Jev เทียบกับโมเดลสร้างข้อความ
Jev ไม่สร้างข้อความแบบอิสระ วิดีโอเปรียบเทียบแสดงความต่างระหว่างการตัดสินใจแบบขนานกับการสร้างข้อความทีละโทเคน
JEV ไม่ได้คืนค่าเพียงความน่าจะเป็นของตัวเลือก แต่ยังคืนค่าคะแนนความเชื่อมั่นด้วย
ผู้เขียนสังเกตว่า JEV คืนค่าความน่าจะเป็นสำหรับตัวเลือกที่เป็นไปได้พร้อมกับคะแนนความเชื่อมั่นของการทำนาย และสงสัยว่า TypeSafe AI ได้นำเครือข่ายเบย์เซียนกลับมาใช้เพื่อเรียนรู้ความไม่แน่นอนหรือไม่ แต่จากเอกสารของพวกเขาพบว่าไม่ใช่
I was super intrigued when I noticed that JEV returns not just probs for candidate choices, but also a CONFIDENCE SCORE of it's prediction... I was wondering if TypeSafe AI brought back Bayesian Networks or something to learn uncertainty. Turns out - NO. Acc to their docs,
· 42 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
