OpenJev: adaptação comunitária inspirada em Jev

Ver no idioma original →

Autoria: Data Science in your pocket · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: OpenJev : Open-Sourced Jev AI · Canal: Data Science in your pocket · 01:33 · Assistir no YouTube

Tópicos: Agentes de IA, Modelos de IA, RAG, busca e recuperação de informação

Resumo

OpenJev é uma adaptação comunitária de Qwen 3.5 inspirada em Jev, treinada para classificação em vez de geração de respostas. O modelo compara uma premissa com uma hipótese e atribui pontuações de contradição, implicação e neutralidade. Um software pode usar essas pontuações para escolher entre opções em tarefas como recuperação, classificação por ranking ou controle de jogos. OpenJev fornece pontuações, mas não é um jogador autônomo completo nem garante que uma escolha esteja correta.

Pontos-chave

• OpenJev é uma adaptação comunitária de Qwen 3.5 inspirada em Jev.
• O modelo recebe uma premissa e uma hipótese juntas para classificá-las.
• A saída inclui pontuações de contradição, implicação e neutralidade.
• Neutralidade indica que a relação não foi resolvida, não que a hipótese seja falsa.
• O software ao redor fornece as opções e usa as pontuações para orientar uma escolha.
• O adaptador usa as pontuações de implicação, considera o máximo entre janelas de contexto e divide cada valor pela soma.
• As pontuações podem servir como sinal para recuperação, classificação por ranking ou controle de jogos.
• OpenJev não é um jogador autônomo completo e suas escolhas ainda podem estar erradas.

Capítulos

Início	Capítulo	Resumo
00:00	Como OpenJev classifica relações	OpenJev compara uma premissa e uma hipótese, produzindo pontuações de contradição, implicação e neutralidade.
00:31	Interpretação das classes e escolha entre opções	Exemplos mostram que neutralidade significa uma relação não resolvida, e o software fornece as opções que serão avaliadas.
01:01	Usos e limites das pontuações	As pontuações podem orientar recuperação, ranking ou controle de jogos, mas OpenJev não é um jogador autônomo e pode errar.

Citações

E se um modelo de linguagem comparasse opções em vez de escrever outra resposta? — 00:00

Neutralidade não significa falsidade. — 00:31

OpenJev fornece pontuações. — 01:01

Pense em Qwen remodelado para comparação, não no Jev oficial nem em uma garantia de correção. — 01:33

Conceitos e entidades

• OpenJev (modelo): Adaptação comunitária de Qwen 3.5 inspirada em Jev e treinada para tarefas de classificação.
• Qwen3.5 (modelo): Modelo que serve de base para a adaptação OpenJev.
• classification head (conceito): Componente que transforma a representação do token final em pontuações para as classes de contradição, implicação e neutralidade.
• entailment (conceito): Relação em que uma hipótese é apoiada pela premissa.
• context windows (conceito): Janelas de contexto cujas pontuações são comparadas para obter o máximo atribuído a cada opção.

Tradução completa (pt-BR)

00:00 E se um modelo de linguagem comparasse opções em vez de escrever outra resposta? Conheça OpenJev, uma adaptação comunitária inspirada em Jev e baseada em Qwen 3.5. Treinado para classificação, seu modelo-base lê uma premissa e uma hipótese em conjunto. Uma cabeça de classificação transforma a representação do token final em três pontuações: contradição, acarretamento e neutralidade.

00:31 Imagine esta premissa: alguém está tocando música no violão em um cômodo. “Alguém está fazendo música” é sustentado. “O cômodo está em silêncio” entra em conflito. “É noite” continua sem resolução. Neutro não significa falso. Para tomar uma decisão, o software ao redor fornece opções possíveis. OpenJev pontua cada uma em relação ao contexto fornecido. O adaptador mantém as pontuações de acarretamento, pega o valor máximo de cada opção ao longo das

01:01 context windows e, em seguida, divide cada valor pela soma deles. Isso cria um sinal de seleção para recuperação, classificação ou um controlador de jogo. O controlador fornece o estado e executa ações. OpenJev fornece pontuações. Não é um jogador autônomo completo. A versão recomendada, com 4 bilhões de parâmetros, é a V5 para decisões de tipo. Mas essas pontuações não garantem a verdade. Uma seleção feita com confiança ainda pode estar

01:33 errada. Pense em Qwen remodelado para comparação, não no Jev oficial e sem garantia de correção.

Transcrição original

[00:00] What if a language model compared choices instead of writing another answer? Meet OpenJev, a community Jev-inspired adaptation of Qwen 3.5. Trained for classification, its backbone reads a premise and hypothesis together. A classification head turns the final token’s representation into three scores. Contradiction, entailment, and neutral.

[00:31] Imagine this premise: someone is playing guitar music in a room. Someone is making music is supported. The room is silent conflicts. It is night time remains unresolved. Neutral does not mean false. For a decision, the surrounding software supplies possible choices. OpenJev scores each against the supplied context. The adapter keeps entailment scores, takes each choice’s maximum across

[01:01] context windows, then divides by their sum. This creates a selection signal for retrieval, ranking, or a game controller. The controller supplies state and executes actions. OpenJev supplies scores. It is not a complete autonomous player. The recommended 4 billion parameter version is V5 for type decisions. But these scores do not guarantee truth. A confident selection can still be

[01:33] wrong. Think Qwen reshaped for comparison, not the official Jev and not a guarantee of correctness.