Jev เทียบกับโมเดลสร้างข้อความ
Jev ไม่สร้างข้อความแบบอิสระ วิดีโอเปรียบเทียบแสดงความต่างระหว่างการตัดสินใจแบบขนานกับการสร้างข้อความทีละโทเคน
Karpathy กล่าวว่า Jev เป็นจุดที่ถูกละเลยบนเส้นโค้ง Pareto ของ LLM
โพสต์อ้างความเห็นของ Karpathy ว่า Jev เป็นจุดที่ถูกละเลยมาก่อนบนเส้นโค้ง Pareto ของ LLM และวางสเปกตรัมจาก Rules ไปยัง Classifier, Jev, Flash, General LLM และ Reasoning LLM โดย Flash เป็นปัญญาทั่วไปที่เร็วกว่า ส่วน Jev เป็นปัญญาตัดสินใจที่แคบกว่า งานหลายอย่างต้องการเพียงปัญญาที่ผ่านเกณฑ์ หลังจากนั้นความหน่วง ต้นทุน และความแน่นอนกลับสำคัญกว่า
Karpathy 说 Jev 是 LLM Pareto curve 上一个此前被忽略的点。 画出来之后更直观： Rules → Classifier → Jev → Flash → General LLM → Reasoning LLM Flash 是更快的通用智能，Jev 是更窄的决策智能。 很多任务不需要最高智能，只需要智能过线。过线之后，延迟、成本和确定性反而更重要。
· 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
