一觉醒来，Jev被开源模型爆了

一秒也没有为jev叹息,来到模型战争场上的是----开源Laya ^-^

正在本机下载部署，来试试感觉

————————————————————————————————————————————

更新下，AI速度测试报告：

GPU测试【3060-6G】：每秒决策34次，每次同时并行决策4个问题。

CPU测试【i7-11800H】：每秒决策4次，每次同时并行决策4个问题。

暂无准确率测试。

这说明这种决策性模型在之前业内就有苗头？所以现在刚好到训练好的时间，后面也会冒出一大堆？

比jev更快的意思吗？..

这种通用分类器是前gpt时代的玩意

Ai时代是真的学的慢=学的快 真是真实了！

有佬试过了吗？效果如何？

这种模型和现在的对话模型，基模都是一套

只不过，对话模型的输出是一个token 一个token 的

他这个，把输出层换了一个专门训练的用于分类任务的层，只输出一个token ，后续直接截断不输出了

所以理论上，任何一个模型，稍微调整一下，就能变成这种的。几乎没有训练成本

可以理解为，目前的对话模型，每个token 都是做了一次选择题，从所有token 中选一个token 输出。如果用现有的模型，但是你限制他只让返回一个token ，后续都截断，那就是jev了

刚刚刷到，看视频确实很快，我自己用jev跑这个贪吃蛇，速度快一点超时就很严重了

manus那种勃勃生机万物经发的景象犹在眼前

还没开始研究jav 就已经开始新的了

这种分类器其实有很多了，但是在jev之前的分类器做的都比较笨蛋，这是用做语言模型的思路做分类器的

并不通用，你说zero-shot还差不多

学得慢=学得快，ai这块你懂的

模型笑传之晨出爆

不过高速决策场景好适合拿来打游戏啊

实测来了，ds自己在我的生产业务里面评测说完全可以当个备用选择，准确率大概13/14这样子，但是有误判记录，如果是接入容错率很低的业务例如审核的话需要考虑一下

还没开始尝试又有新的了，根本不用学了也是

如果性能能完爆倒是好事，就是显得前两天推上狂吹的jev有点尴尬

ai时代学习相对论：学的越快，学的越慢