Jev เทียบกับโมเดลสร้างข้อความ
Jev ไม่สร้างข้อความแบบอิสระ วิดีโอเปรียบเทียบแสดงความต่างระหว่างการตัดสินใจแบบขนานกับการสร้างข้อความทีละโทเคน
Jev: เอาต์พุตที่ถูกจำกัดไม่ใช่เอาต์พุตที่ถูกต้อง
โพสต์ชี้แจงว่า "ศูนย์ภาพหลอน" ต้องใช้บริบท Jev สามารถตอบได้เฉพาะในตัวเลือกที่อนุญาต แต่ยังอาจเลือกผิดได้ การมีส่วนร่วมที่แท้จริงคือความเชี่ยวชาญ: การตัดสินใจแบบขนาน ความน่าจะเป็นดั้งเดิม ความหน่วงต่ำ
"Zero hallucinations" needs context. Jev can't produce an answer outside the allowed choices. It can still choose the wrong one. Constrained output, not correct output. Its real contribution is specialization: parallel decisions, native probabilities, low latency.
· 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
