♦️ مقایسه ChatGPT با JEV:
مدل‌های تصمیم‌گیری سریع، نسل جدید LLM ها

می‌دونیم که مدل‌هایی مثل ChatGPT و Gemini بر اساس «فکر کردن منطقی» به ما پاسخ میدن و در چگونگی Reasoning با هم رقابت می‌کنن.

حالا نسل جدید مدل‌ها مثل JEV و Laya می‌تونن برای کارهای «الگوپذیر» بدون نیاز به «منطق» پاسخ‌های خیلی سریع‌تری ارائه بدن.

مدل‌های قبلی که بهشون System 2 LLM میگن برای ما «محتوا» تولید می‌کردن، ولی خروجی مدل‌های System 1 به جای محتوا، از جنس «تصمیم» هستش.

سه نوع تصمیم رو میشه در Scale های خیلی بزرگ به این مدل‌ها سپرد:

1- انتخاب کردن (Choice):
می‌تونن صدها برابر سریع‌تر از مدل‌های قبلی، گزینه‌های مورد نظر شما رو بین میلیون‌ها ورودی انتخاب کنن.

2- امتیازدهی (Scoring):
می‌تونن لیست بسیار بزرگی از آیتم‌ها رو دریافت کنن و بر اساس معیارهای مورد نظر شما بهشون امتیازدهی کنن.

3- تعیین درست یا غلط (True/False):
می‌تونن با اطمینان بالایی به شما بگن که یک شرط مشخص برای هر کدوم از اعضای یک لیست بزرگ، درست هست یا نیست.

♦️ کدوم مدل برای چه کاری بهتره؟
مدل‌های System 1 فقط بر اساس «الگوهای تکرارشده» می‌تونن «قضاوت‌های سریع» انجام بدن و «تصمیمات قطعی» بگیرن. پس اگر برای کارهایی که نیاز به «فکر کردن منطقی» دارن از این مدل‌ها استفاده کنیم، خروجی اشتباه به ما میدن.

به عنوان مثال وقتی از Gemini می‌پرسیم پایتخت فرانسه کجاست، فکر می‌کنه و بعد پاسخ میده! در حالی که این پاسخ کاملاً قطعیت داره و نیازی به فکر کردن و توکن سوزوندن نیست. پس استفاده از System 2 LLM برای این کارها بهینه‌تر و سریع‌تره.

♦️ ولی اگر معمای زیر رو از JEV بپرسید، پاسخ اشتباه بهتون میده:

«مادر الهام ۴ دختر دارد: فروردین، اردیبهشت، خرداد. اسم دختر چهارم چیست؟»

پاسخ JEV بر اساس «الگوهای تکرارشده» کلمه‌ی «تیر» خواهد بود که بعد از «فروردین، اردیبهشت، خرداد» قرار می‌گیره ولی پاسخ Gemini کلمه‌ی «الهام» خواهد بود.

حالا برای پروژه‌های بزرگ، یک مدل سبک میذارن که بر اساس مسئله‌ای که برای هر کار وجود داره، تشخیص بده که باید از کدوم نوع مدل استفاده کنه که بین «سرعت و هزینه» و «دقت و کاربرد» تعادل درستی برقرار بشه.

🆔 @MiladSafaei_ir
.