3.7万token/s实现千万级家庭仿真,准确率超越硅谷Jev模型,港大罗晔教授团队发布YN决策模型
3.7万token/s实现千万级家庭仿真,准确率超越硅谷Jev模型,港大罗晔教授团队发布YN决策模型香港大学罗晔教授团队发布S²-MAS框架及YN决策模型,以14张GPU在4小时内完成1200万户家庭仿真,YN-mini单卡吞吐量达3.7万token/s,消费金融基准准确率高于Jev 1.13。
搜索
香港大学罗晔教授团队发布S²-MAS框架及YN决策模型,以14张GPU在4小时内完成1200万户家庭仿真,YN-mini单卡吞吐量达3.7万token/s,消费金融基准准确率高于Jev 1.13。
广州智跃深空(Zleap)开源了自研的SAG2及桌面端SAG Wiki,利用BM25与JEV直接索引和检索本地文件,无需大模型预处理、Embedding或向量数据库,以极快建库、精准多跳检索和低Token消耗提供轻量本地知识库方案。
前段时间,我们做了一个开源项目 Vector Graph RAG,尝试只用 Milvus 向量数据库实现知识图谱的多跳检索,省去额外部署图数据库的麻烦。
TypeSafe AI联合Treg开源基于Jev的找人工具,支持Agent接入Treg并调用人员数据库、找人及邮箱验证等功能,Jev负责筛选候选人;该工具单次起价0.0089美元,较Clay便宜超85%,并获6400 Star。
面壁智能开源MiniCPM-OCR 1.0与MiniCPM-OCR Jev,前者以1.3B参数取得4项SOTA并登顶吞吐,后者独立为OCR结果校准置信度并触发重读或人工复核。
服了!天天在AI一线冲浪,竟然也会跟不上版本。
当任务的终点是决策,模型是否应该从决策本身出发?
上个月,硅谷开发者圈最火的一个模型,是一个不会说话的模型,叫Jev
AI圈真是风水轮流转!