Jev проти моделей генерації тексту
Jev не генерує довільний текст. Порівняльне відео показує різницю між паралельним ухваленням рішень і генерацією тексту токен за токеном.
Чому Jev може бути швидшим за традиційні LLM
Допис порівнює Jev із традиційними LLM: LLM декодують авторегресивно токен за токеном, а Jev може повертати Choice, Score або NOUL напряму, що зменшує кількість кроків декодування й потенційно знижує затримку інференсу.
Why could Jev be faster than traditional LLMs like ChatGPT? LLMs use autoregressive generation: Token 1 → Token 2 → Token 3 → … Jev can return a direct Choice / Score / NOUL instead. Less decoding → potentially lower AI inference latency. #AI #LLM #Jev #MachineLearning
· 1 likesOpen on X
More like this
Ціни, оцінювання і походження назви Jev
Тред запуску пояснює оцінки робочих процесів code + AI, оголошену ціну вхідних токенів і безкоштовні вихідні токени.
Модель Jev: генерація ймовірностей для прийняття рішень, у 200 разів швидша та в 400 разів дешевша за LLM
Ця модель створена для прийняття рішень, а не генерації тексту: вона видає ймовірності для кожного варіанту паралельно, а не відповідь токен за токеном. Автор наводить спрощене порівняння звичайних LLM із цією моделлю Jev.
