Abacus AI 提出 Jev 架构：一次前向返回决策，让 Agent 并行千步
bindureddy · x · 2026-09-17
Bindu Reddy（Abacus AI CEO）提出一个与「更大模型」相反的思路：名为 Jev 的小模型不生成文本，而是单次前向传播直接输出每个选项的概率，作为决策器。
她认为当前 Agent 架构的痛点是串行：选工具、分支、重试都要等待。而每步都是一次类型化决策的话，可以一次性 fan out 50 个子任务并行打分，把规划、验证、安全检查并行执行，LLM 从「叙述者」变成「调度器」。
核心论点：Chain of Thought 让 Agent 更深，类型化决策让 Agent 更宽——赢的 Agent 不会把一步想得更深，而是同时思考上千步。该能力将落地于 Abacus AI Agent。
所属事件:TypeSafe 结束隐身发布决策模型 Jev 与训练法 RLCD(76 条相关)→
「编程与Agent」频道最新
- ComfyUI 教程:MiniMax H3 与 LTX 2.5 Ripple 视频工作流对比,6GB 显存可跑 — cgpixel23 · 2026-09-17
- 最隐蔽的重复代码：同一条规则在三层各写了一遍 — Franc0Fernand0 · 2026-09-17
- 个人助理 Agent 缺的不是聪明,是主动「找我」的智能提醒 — edgarpavlovsky · 2026-09-17
- 合规 agent 创业公司 Comp AI 融资 3400 万美元,客户超 1000 家 — claud_fuen · 2026-09-17
- Humanlayer 开源 visual-pr 技能：一条命令给 PR 加截图审查 — mattpocockuk · 2026-09-17
- 开源 GPU profiler Graphsignal:让 AI agent 自己读性能数据调优 vLLM — l0g1cs · 2026-09-17