Jev 模型详解:不写文本、单次前向输出结构化决策的新范式
blaizedsouza · x · 2026-09-18
- System One 模型定义:输入情境 + 固定候选答案列表,直接输出一个决策与置信度,不生成任何文本。与 LLM 的『逐 token 生成』(System Two)相对。
- 核心问题:用 LLM 做小决策慢、贵且输出格式不可靠,不适合客服分流、打分、是/否判断这类场景。
- Jev 的工作方式:单次前向传播同时回答多个问题;答案带类型(Choice / Score / Yes-No);通过校准与 RLCD 方法让附带的概率诚实可信。
- 作者主张 Jev 不会幻觉,因为它只能从给定列表中选择,无法编造列表外内容。
- 文章还讨论了 Jev 的适用边界与失败场景,以及何时该用 Jev、何时该用 LLM。
作者 Amit Shekhar 是 Outcome School 创始人,长期从事 AI/ML 教学。
所属事件:TypeSafe AI 发布决策模型 Jev：不生成文本、只输出结构化决策(73 条相关)→
「研究」频道最新
- 小米 MiMo 提出 CodeSpecWeave:用相互依赖规格合成任务训练编程智能体 — XiaomiMiMo · 2026-11-02
- Mistral Large 4 短提示词从零写出量子化学 SCF 求解器并自建 3D 可视化 — MistralAI · 2026-11-02
- 谁把「用 AI 治愈癌症」讲得最具体？2025 年路线图正在成形 — iskander · 2026-11-02
- arXiv 论文证明 SGD 最优步长调度:单调递减的线性衰减是唯一极小极大最优解 — konstmish · 2026-11-02
- Karpathy 的 nanochat:100 美元从零训练出类 ChatGPT,星标近 6 万 — karpathy · 2026-11-02
- 读完 46 份资料后写出 Agent Evals 指南：自评 95 分的评测为何不可信 — blaizedsouza · 2026-11-02