Jev 模型:放弃自回归,靠 RLCD 做决策

karminski-牙医 · @karminski3 · X·2026-09-18 07:11·42分钟前
AI 导读

Jev 模型放弃传统自回归架构,无法直接输出普通文本,只能按预定义 Schema 做结构化决策输出,例如垃圾短信二分类会返回带概率的 JSON(isSpam true 0.982 / false 0.018)。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,但代价是模型表现刻板、只适合干活。目前仅支持文本输入,复杂场景需把内容转成文本并定义可选动作,模型再自主决策。

karminski-牙医@karminski3
40AI 编辑部评分,满分 100

Jev 模型:放弃自回归,靠 RLCD 做决策

2026-09-18 07:11· 42分钟前
AI 导读

Jev 模型放弃传统自回归架构,无法直接输出普通文本,只能按预定义 Schema 做结构化决策输出,例如垃圾短信二分类会返回带概率的 JSON(isSpam true 0.982 / false 0.018)。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,但代价是模型表现刻板、只适合干活。目前仅支持文本输入,复杂场景需把内容转成文本并定义可选动作,模型再自主决策。

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.

karminski-牙医给大家写个简单的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 },...

来源:karminski-牙医· x.com