THE JEV GUIDE · CURATED EDITION
TypeSafe Jev etrafındaki lansman haberleri, açıklamalar, demolar ve topluluk projeleri konuya göre düzenlenir. Her kayıt X kaynağına geri bağlanır.
Seçilmiş liste · Kapsamlı değil · Elle güncellenir
01 / EXPLORE
0 means awaiting a verified post
Jev'in kurucusu, Jev'in gerçekte nasıl çalıştığını anlatan 1 saatlik bir ustalık sınıfı yayınladı: LLM'ler → Kararlar → Doğrulama → Kodlama Aracıları. Yalnızca LLM'lerin neden yeterli olmadığı, Jev'in arkasındaki üç temel öğe ve büyük AI görevlerinin küçük güvenilir adımlara nasıl dönüştürüleceği ele alınıyor.
Bu gönderi, CodeX ve Claude'a yeni başlayanlar için Jev modelinin temel akışını tanıtıyor: durum ve soru girişi, Jev ile işleme ve kalibre edilmiş olasılık çıktısı.
Arman, LLM'leri Jev ile karşılaştırmak için Saul Goodman ve Hector'un zilini kullanıyor; TypeSafe AI tarafından geliştirilen Jev'in yazılım içinde küçük ve hassas yapılandırılmış karar sinyalleri sağlamak üzere tasarlandığını belirtiyor.
Grok Bot işi yapar, Jev bir sonraki adımın nereye gideceğine karar verir. Bu 22 dakikalık ücretsiz eğitimde TypeSafe'ın "System One" modeli olan Jev'in sohbet yerine nasıl karar verdiği anlatılıyor.
Jev'de decode aşaması yoktur; yanıt tek bir prefill geçişiyle üretilir, bu da onu geleneksel bir LLM yargıcından yaklaşık 200 kat daha hızlı yapar.
Toplulukta insanlar Jev'in normal LLM'lerden nasıl farklı olduğunu sürekli açıklıyor.
Jev, bağlam ve tür belirtilmiş sorular kullanarak olasılıklı sınırlı kararlar üretir; başka bir metin üreticisi değildir.
Jev her kod turunda kapsam kontrolü yapar, prompt'un istemediği hunk'ları işaretler, tüm PR yerine hunk bazında değerlendirir ve In scope / Check scope / N unrequested seçenekleri sunar. Şimdilik yalnızca oturumlarda.
Jev yalnızca metin üretmenin ötesine geçer: analiz eder, değerlendirir, boşlukları belirler, neyin değişmesi gerektiğine karar verir ve körü körüne talimatları izlemek yerine bir sonraki adımı önerir.
TypeSafe'ten Diogo Almeida, bir milyar dolar olsa bile temel modeli sıfırdan ön eğitimden geçirmeyeceğini söylüyor; Jev, mevcut yığınları dilimleyip yeniden birleştirerek inşa ediliyor.
TypeSafe AI'nin Jev modelini tanıtır; Noul (Evet/Hayır), Choice (bir seçenek seçme) ve Score (tanımlı bir ölçekte puanlama) dahil olmak üzere tipli olasılıksal kararlara odaklanır ve LLM'nin açık uçlu üretimiyle karşıtlık kurar.
Gönderi, ajan altyapısında akıl yürütme gibi görünen şeylerin çoğunun aslında sadece sınıflandırma olduğunu gözlemliyor. Jev bu ayrımı açıkça ortaya koyuyor: hiç metin üretmiyor; bunun yerine bir durum ve türlenmiş bir soru alıyor.