AI 导读
Jev 放弃传统自回归架构，无法直接输出普通文本，只能按 Schema 定义的结构化槽位输出决策 JSON，支持文本输入并自主决策。其真正护城河是 RLCD（校准强化学习），使输出很难出现概率失真，但模型也因此刻板，只适合干活。
正文
不过说实话，我觉得头部大厂如果真要下场抄，Jev目前构不成绝对的物理壁垒. 他真正的护城河是RLCD(校准强化学习), 意味着这玩意很难出现概率失真. 但也意味着, 这个模型很刻板(就是用来干活的). 如果拿打游戏比喻, 它会是个技术型主播, 但它是没办法打出娱乐主播那种"节目效果"的. https://t.co/OikFmxqlFH
给大家写个简单的Jev模型介绍, 这绝对是个需要重点关注的模型. 简单讲, 这个模型放弃了传统自回归架构, 它没有办法直接输出普通文本. 但是他能进行决策! 比如最简单的二分类场景, 输入一条短信, 让它判断是否为垃圾短信, 它就可以输出这样的JSON: {"decision": { "isSpam": true }, "probabilities": { "isSpam": { "true": 0.982, "false": 0.018 } } } 没错, 它只能进行结构化输出, 甚至你输入的时候要定义 Schema (用过protobuf/GraphQL的同学应该能理解), 在送入模型时被编译为特定的决策槽位, 然后按照槽位输出, 所以输出JSON不可能出问题. 而复杂一些的场景, 比如让这个模型玩杀戮尖塔或者看盘, 只需要把内容转换为文本输入进去(没错, 目前模型只支持文本输入), 然后定义好模型能进行哪些动作, 模型就会自主决策了. 到目前为止, 是不是看上去跟普通文本大模型没区别? #jev #TypeSafeAI #DiogoAlmeida #systemone #vercel在 X 查看被引用的帖子
来源：@karminski3 · x.com