jev에 대한 과장 없는 설명
요약
JEV는 GPT나 Claude 같은 LLM을 대체하는 것이 아니라, 매우 똑똑한 switch statement와 같습니다. 이는 미리 정의된 옵션 세트 내에서 분류, 라우팅, 점수 매기기 등 특정 워크로드를 빠르고 정확하게 처리하는 새로운 유형의 도구입니다.
핵심 포인트
- JEV는 LLM을 대체하지 않으며, 똑똑한 switch statement 역할을 합니다.
- 주요 기능은 분류(classify), 라우팅(route), 점수 매기기(score) 등입니다.
- LLM의 출력을 판단/검증하거나 특정 브랜치를 선택하는 데 유용합니다.
- 이상적인 워크플로우는 LLM 제안 → JEV 결정 → 코드 실행 순서입니다.
jev는 gpt나 claude를 대체하지 않습니다.
jev는 그저 정말 똑똑한 switch statement와 같습니다.
예를 들어, 2016년의 머신러닝(ML) 분류기가 2026년 수준의 지능을 갖게 된다고 상상해 보세요.
이것은 많은 워크로드를 엄청나게 빠르고, 저렴하며, 정확하게 만들 새로운 유형의 도구입니다.
*
= 여기서 '새로운'이라는 것은 리브랜딩된 것을 의미합니다.
이것은 미리 정의된 옵션 세트가 필요하며, 어떤 옵션을 선택해야 할지 알려줄 것입니다.
다음은 할 수 없는 것들입니다:
- 코드를 작성하는 것
- 자연어를 생성하는 것
- 단계별로 추론하거나 작업 과정을 보여주는 것
- 사전에 정의하지 않은 어떠한 출력도 생성하는 것
- 한 번에 ~255개 이상의 옵션 중에서 선택하는 것
하지만 할 수 있는 것은 다음과 같습니다:
- 분류(classify), 라우팅(route), 점수 매기기(score), 순위 매기기(rank)
- 신뢰도 제공(give confidence)
- 올바른 브랜치, 도구, 모델 또는 서브 에이전트를 선택하는 것
- LLM의 출력을 판단/검증/가드레일링하는 것
- 수많은 행에 레이블을 지정하는 것
저는 다음과 같은 워크플로우를 많이 상상합니다:
LLM이 옵션을 제안 → jev가 결정 → 코드가 실행
그리고 저는 이것이 코드 모드(code mode) 및 mcp와 정말 잘 맞는다고 생각합니다.
이것이 AGI로 이어진다는 것은 저에게는 믿기 어려울 정도로 먼 이야기처럼 보이지만, 이것이 가능하게 만들 애플리케이션의 유형들을 무시하고 싶지는 않습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 X 토픽: MCP의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기