Jev

Oversigt. Jev er TypeSafes model til inddata i tekstform, der er skabt til strukturerede beslutninger frem for genereret prosa. Den returnerer beslutninger og sandsynligheder via JSON og bruger reinforcement learning-eftertræning med fokus på kalibrerede beslutninger. Udviklere kan bruge den, når en applikation har brug for en mærkat, en numerisk score eller en ja/nej-sandsynlighed i stedet for et svar i chat-form.

Vigtigste styrker. Jevs dokumenterede interface tilbyder svartyperne Choice, Score og Noul til afgrænsede beslutningsopgaver. Disse uddata gør det muligt for applikationer at indlæse beslutninger og tilhørende sandsynligheder uden at skulle parse fritekst. Den tilgængelige forskning indeholder ingen benchmarkresultater, der fastslår sammenlignelig nøjagtighed eller kalibreringsevne.

Anvendelsesområder. Brug Jev til tekstklassificering, når din applikation har brug for en valgt mærkat og sandsynligheder for de tilgængelige valgmuligheder. Brug svartyperne Score eller Noul, når en behandlingskæde har brug for en numerisk vurdering eller en ja/nej-sandsynlighed. Integrer via TypeSafes System One-API frem for at forvente et Chat Completions-interface.

Begrænsninger. Det samlede budget for forespørgsler er 64.000 tokens, men tilstanden plus det længste individuelle spørgsmål skal kunne være inden for 32.000 tokens. Jev genererer ikke prosa eller synlige ræsonneringsspor og accepterer ikke billeder, lyd eller video som inddata; engelsk er det primære træningssprog. Aliaset jev-latest kan flytte sig mellem udgivelser, så det bør ikke betragtes som en permanent fastgjort modelversion.

Bemærkning om suverænitet. TypeSafe AI, Inc. er en amerikansk virksomhed og betjener kun Jev fra USA, så forespørgsler er underlagt CLOUD Act. TypeSafe oplyser, at kundernes forespørgsler og uddata ikke bruges til træning. Jev er ikke en suveræn model, og et arbejdsområde med regler om kun EU eller ingen CLOUD Act vil ikke kunne nå den.