Jev เทียบกับโมเดลสร้างข้อความ
Jev ไม่สร้างข้อความแบบอิสระ วิดีโอเปรียบเทียบแสดงความต่างระหว่างการตัดสินใจแบบขนานกับการสร้างข้อความทีละโทเคน
ไขโครงสร้าง Jev ด้วยการเรียก API 10,000 ครั้ง
วิเคราะห์การทดลองของ Archer Hume ว่า Jev ให้ค่าความน่าจะเป็นโดยไม่สร้างข้อความได้อย่างไร ครอบคลุมสถานะที่ใช้ร่วมกัน สาขาที่แยกจากกัน และการปรับเทียบความน่าจะเป็น พร้อมแยกแยะข้อสังเกตจากการคาดเดา
一个人用 10000 次 API 调用，扒出了 Jev 的底层架构【Jev03】 不生成文字，Jev 怎样直接给出概率？这期解读 Archer Hume 的实验，拆开看共享状态、隔离分支与概率校准，也讲清哪些是观察、哪些仍是推测。 原文： https://archerhume.com/posts/jevs-architecture-unmasked… #Jev #AI
· 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
