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。
「研究」频道最新
- Grounded SI 展示长尾场景手部追踪,称大规模第一视角数据离不开它 — micoolcho · 2026-09-18
- GenBio AI 团队 Cell 发文:定义虚拟细胞世界模型 — HongyiWang10 · 2026-09-18
- Navier-Stokes 不到一月又传 Hodge 猜想被破,千禧难题加速告破 — haider1 · 2026-09-18
- Meaning Spark 实验推理时脚手架，增强 AI 元认知与反思 — PeterBowdenLive · 2026-09-18
- 虚拟细胞模型研究者加入 Cellular Intelligence,瞄准细胞疗法 — arjunrajlab · 2026-09-18
- AI 文本水印反成软肋：研究称其放大对抗提示风险 — luisdans · 2026-09-18