Jev 与文本生成模型的取舍
Jev 不生成自由文本。Diogo 用一段对比视频说明并行决策模型与逐字生成模型在任务形态上的差别。
Jev 不会写作，只从你允许的答案中选取
通过将一个大问题拆成五个小问题，准确率从 62.6% 提升到 95.0%；Jev 本身不生成文本，而是在给定候选项中挑选，拆分提问可超越 Haiku 4.5。
ONE BIG QUESTION: 62.6% ACCURATE. FIVE SMALL ONES: 95.0%. SAME MODEL. the whole lesson of this article is in that jump. jev doesn't write. it only picks from answers you allow. ask it one vague question per email and it guesses. split it into 5 small ones and it beats haiku 4.5
· 1 次赞在 X 打开
更多类似内容
定价、评测与 Jev 名称的由来
发布线程继续解释 code + AI 的工作流评测，并给出当时的输入价格及免费输出说明。
Jev模型：面向决策的概率生成，比LLM快200倍、便宜400倍
该模型专为决策而非文本生成设计，并行输出各选项概率，而非逐token生成回复。作者给出普通LLM与该Jev模型的简化对比示例。
