openjev
PulseAugur coverage of openjev — every cluster mentioning openjev across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新 AI 竞技场允许模型使用欺骗性提示进行“战斗”
一个新创建的竞技场允许用户在一个类似游戏的で环境中,让不同的 AI 模型(称为 JEVs (Jevstignejev))相互对抗。玩家可以为他们选择的模型编写策略,模型可以执行移动、阻挡或攻击等操作。一个独特的功能是“越狱”选项,允许一个模型向其对手发送基于文本的“精神攻击”,试图通过欺骗性消息而不是直接的游戏状态操纵来影响其决策。该平台托管在 rawmodels.ai/arena,包含少量注册费以支付运行大量战斗的成本。
-
Iris框架通过可复用的视觉候选来增强多模态AI的决策能力
研究人员开发了Iris,一个旨在改进AI代理的类型化决策的新框架,特别是在候选者为视觉的多模态环境中。Iris允许独立编码图像、文本或混合候选者,同时保持顺序不变性和可扩展性等关键属性。与联合编码方法相比,这种方法显著降低了延迟并提高了准确性,尤其是在处理大量候选者或跨请求复用候选者时。该框架还解决了系统瓶颈问题,在特定硬件上实现了显著的加速。
-
本地LLM设置指南更新,包含新模型和API
Thomas Bley 更新了他关于在本地运行大型语言模型的演示文稿,加入了Clef-Flash、Laya、Lev、Kev和OpenJev等新的决策模型。这些模型使用llama.cpp框架进行集成。更新还包括了使用Qwen-3-TTS进行TypeSafe System One API的测试和文本转语音功能,以及Nemotron 3.5 Lightning模型。
-
Jev AI模型提供快速、廉价的决策,而非文本生成 · 跟踪4个来源
Jev,一种新型AI模型,因其速度和成本效益而受到关注,但其运作方式与生成式大型语言模型不同。与Claude或GPT等模型不同,Jev专为特定的决策任务设计,例如分类请求或确定紧急程度,并输出预定义答案的概率,而不是生成文本。这一区别至关重要,因为Jev的功能更像一个专用工具,类似于特定功能的恒温器,而不是通用AI助手。最近的发展包括通过Ollama和llama.cpp等平台提供Jev模型的本地可用性,以及提供不同商业用途许可的各种检查点。
-
llama.cpp 添加 /v1/systemone API 以支持新的本地 LLM 模型
llama.cpp 项目集成了一个新的 API 端点 /v1/systemone,支持了几个新模型。这些模型包括 Laya、julia-1、lev、openjev 和 kev,并提供了它们在 Hugging Face 上 GGUF 版本的链接。此次更新增强了功能,包括在无需先前 'jev' 操作的情况下进行 'jev' 的能力,暗示了本地 LLM 环境中的新处理能力。
-
Claude Code插件使用是/否模型进行更快判断
一位开发者为Claude Code创建了一个名为jev-tools的插件,旨在用一个更快速、更简单的模型取代完整的LLM调用,该模型只能回答是/否问题。这种方法旨在更有效地处理诸如规则遵守或技能选择等小型判断。虽然该插件在离线测试中显示出潜力,但实际测试暴露了问题,特别是在规则执行和文件发现组件方面,这表明实际应用需要仔细校准和谨慎的推广策略。