A French user tries Jev: turning closed questions into probabilities
After getting access, the author describes Jev as closer to a classifier than a chat model: write a question, send it, get a probability, and let code decide, with plans to revive an old project.
Je viens de choper l’accès à ce bijou. Un LLM est entraîné à écrire ce qu’un humain aime lire. Jev est entraîné à répondre à des questions fermées avec une proba. Jev promet le milieu : aussi malin qu’un gros modèle pour juger un texte, sans que tu aies à lui apprendre ta tâche avec tes données. Tu écris la question, tu envoies le mail, tu récupères une proba, et ton code décide. Jev refuse la confiance verbalisée : il sort une distribution bornée. C’est plus proche d’un classifieur que d’un « just ask ». Jev apporte un juge, pas un chat : là où le RLHF entraîne un LLM à plaire (un texte sûr que l’humain aime lire), TypeSafe dit entraîner Jev en RLCD pour calibrer : une question fermée, une proba honnête, et ton code qui décide. Dans mes usages, je n’en collerai pas partout : juste réduire la friction sur quelques workflows. D’abord la théorie, les cas réels, voir comment ça réagit. Et j’ai retrouvé un vieux projet, un cadavre. Si j’ai juste, ça ne sera probablement pas l’AGI mais un bon kiff perso : le ressortir et le pousser plus loin que ce que les LLM permettent.
This post quotes another post: “ChatGPT co-inventor releases Jev, a model built for decisions rather than text”