Raschka 长文解析文本分类：从词袋到 Transformer 再到 Jev

rasbt · x · 2026-09-29

知名 ML 教育者 Sebastian Raschka 发布一篇超长图文指南，系统梳理用语言模型做文本分类的完整脉络：从 Bag-of-Words、RNN、CNN 一路讲到 Transformer 和校准（calibration），并配以准确率与效率的动手实验对比。

文章以近期在技术社区爆火的 Jev AI 分类模型为切入点。作者坦承自己的态度从「分类器是我的老本行，我随手就能造一个」转变为「它实际效果比我想象的好」。他的定位分析：GPT 等通用 LLM 同样能做分类且更通用，但 Jev 在分类任务上更快更便宜；而面对窄定义的专门问题，专用分类器仍会更好，Jev 的卖点是远超任务专用模型的通用性。文章还基于推断拆解了 Jev 背后的可能方法论。作者声明与 Jev 无任何关联、未获免费访问，非软文。