Jev im Vergleich zu textgenerierenden Modellen
Jev erzeugt keinen freien Text. Ein Vergleichsvideo zeigt den Unterschied zwischen paralleler Entscheidungsfindung und tokenweiser Texterzeugung.
Jev gibt Wahrscheinlichkeiten für festgelegte Antworten zurück
Der Beitrag erklärt, dass Jev einen Zustand, die aktuelle Situation, plus Fragen mit vorab festgelegten Antworten erhält und Wahrscheinlichkeiten über diese Antworten zurückgibt. Die Labels definiert die App, das Modell kann also keine neuen erfinden.
Jev takes a state, the current situation, plus questions whose answers you fix in advance. It returns probabilities over those answers. Your app defines the labels, so the model cannot invent new ones.
· 0 likesOpen on X
More like this
Preise, Evaluationen und der Name Jev
Der Launch Thread erklärt Code plus AI Workflow Evaluationen, den angekündigten Eingabepreis und kostenlose Ausgabetokens.
Jev-Modell: Wahrscheinlichkeitsgenerierung für Entscheidungen, 200× schneller und 400× günstiger als LLMs
Dieses Modell ist für Entscheidungsfindung statt Textgenerierung konzipiert und gibt Wahrscheinlichkeiten für jede Option parallel aus, anstatt Antworten Token für Token zu liefern. Der Autor zeigt ein vereinfachtes Beispiel für normale LLMs im Vergleich zu diesem Jev-Modell.
