TypeSafe AI lança modelo Jev com foco em respostas tipadas
O novo modelo Jev utiliza aprendizado por reforço para oferecer respostas tipadas com custos reduzidos de processamento.
||
05/10 às 16:40
Pontos principais
- O modelo Jev utiliza a técnica Reinforcement Learning for Calibrated Decisions (RLCD).
- A arquitetura elimina o loop de decodificação, permitindo tokens de saída gratuitos.
- O custo de entrada do modelo é de US$ 0,03 por milhão de tokens.
- O Jev atua como substituto para modelos de fronteira em funções de roteamento.
A TypeSafe AI anunciou o lançamento do modelo Jev, que se diferencia de LLMs tradicionais ao fornecer respostas tipadas com probabilidade calibrada. A tecnologia utiliza a técnica Reinforcement Learning for Calibrated Decisions para otimizar o desempenho.
Graças à eliminação do loop de decodificação, o modelo permite a oferta de tokens de saída gratuitos, com um custo de entrada de US$ 0,03 por milhão de tokens. O Jev é posicionado principalmente como um substituto para modelos de fronteira em tarefas de roteamento.
Cobertura da mídia
Comentários
Carregando comentários...