Jev เทียบกับโมเดลสร้างข้อความ
Jev ไม่สร้างข้อความแบบอิสระ วิดีโอเปรียบเทียบแสดงความต่างระหว่างการตัดสินใจแบบขนานกับการสร้างข้อความทีละโทเคน
การทำงานของ Jev: ตัวจำแนกแบบเอนโค้ดเดอร์
โพสต์นี้นำเสนอวิธีง่ายๆ ในการทำความเข้าใจ Jev: มันทำตัวเหมือนทรานส์ฟอร์มเมอร์แบบเอนโค้ดเดอร์เท่านั้นที่มีหัวจัดประเภท ป้อนสถานะและตัวเลือก แล้วได้ความน่าจะเป็นออกมาในฟอร์เวิร์ดพาสเดียว โดยไม่มีการสร้างข้อความหรือแยกวิเคราะห์
Everyone is calling Jev a new kind of AI model. Here's the simpler way to think about it: Jev behaves exactly like an encoder-only transformer with a classification head. State goes in. Options go in. Probabilities come out. One forward pass. No text generation, no parsing, no
· 0 likesOpen on X
More like this
ราคา การประเมิน และที่มาของชื่อ Jev
เธรดเปิดตัวอธิบายการประเมินเวิร์กโฟลว์ code + AI ราคาอินพุตตอนเปิดตัว และโทเคนเอาต์พุตฟรี
โมเดล Jev: การสร้างความน่าจะเป็นสำหรับการตัดสินใจ เร็วกว่า 200 เท่าและถูกกว่า 400 เท่าเมื่อเทียบกับ LLM
โมเดลนี้ออกแบบมาสำหรับการตัดสินใจแทนการสร้างข้อความ โดยสร้างความน่าจะเป็นสำหรับแต่ละตัวเลือกแบบขนาน แทนที่จะตอบทีละโทเค็น ผู้เขียนยกตัวอย่างเปรียบเทียบแบบง่ายระหว่าง LLM ทั่วไปกับโมเดล Jev นี้
