Jev：基于RLCD算法，专为程序自动化场景打造的快速决策模型

AI新闻 97ai 4周前

一、Jev是什么

Jev是TypeSafe AI发布的首款System One Model（系统一模型），灵感来源于《思考，快与慢》中系统一的快速直觉决策理念。

它区别于传统大语言模型，不生成自然语言文本，核心能力是接收程序结构化状态输入，输出带可信概率置信度的类型安全结构化数据，专门用来解决AI嵌入软件开发时，大模型延迟高、成本贵、输出文本需要解析、容易发生类型错误与幻觉的痛点。

Jev采用RLCD校准决策强化学习算法训练，目标不是模仿人类对话，而是输出置信度与真实准确率匹配的决策结果，当前处于早期开发者访问阶段。

二、功能特色

类型安全输出：输出严格遵循预定义Schema，数学层面保证不会出现类型错误，消除结构化调用场景下的解析异常。
并行一次性生成：抛弃传统LLM逐Token串行自回归生成方式，一次请求并行输出全部决策结果，大幅降低响应延迟。
校准概率置信度：输出附带真实可信概率，模型不会盲目自信，置信度数值和实际预测准确率保持匹配。
独特计费模式：仅对输入Token计费，输出内容不计费，显著降低高频自动化场景的调用成本。
面向程序状态输入：优先接收结构化业务/系统状态，而非人类对话消息，适配代码、工作流、机器人状态等机器侧信息。

Jev（图1）

三、技术细节

RLCD（Reinforcement Learning for Calibrated Decisions，校准决策强化学习）
传统LLM训练依靠RLHF人类偏好、RLVR可验证奖励；RLCD的优化目标是让模型输出的概率置信度贴合真实事件发生概率，重点提升决策可信度，而非文本流畅度。
并行采样架构
无逐Token解码流程，收到结构化输入后并行完成全部候选选项打分，一次性返回完整结构化结果，响应区间70–500ms。
Schema约束机制
开发者预先定义输出数据结构，模型只能输出符合该类型定义的数据，杜绝非法字段、格式错乱这类工程上的幻觉问题。
两阶段打分机制
当可选候选数量上限较高（最高支持255个候选选项）时，启用两阶段打分，先粗筛候选集合，再精细评估，平衡推理速度与决策精度。

四、应用场景

软件自动化工作流：业务规则智能分支判断、批量数据分类筛选，高频低延迟业务决策。
AI机器人实时控制：例如Doom游戏AI Bot，基于游戏状态高频做实时动作决策，支持每秒多次AI调用。
路径搜索与候选择优：Wikiracing维基链接寻路，在大量候选链接中做最优路径选择。
系统校验与防护：作为后端校验组件，做风险判断、客户流失概率分级等确定性业务评估。
不适用场景：聊天对话、文案写作、长文本生成、多模态图文创作这类需要自然文本输出的任务。

五、使用方法

申请TypeSafe AI早期访问权限，获取开发者接口密钥。
定义输出结果的Schema结构，约定返回字段类型、候选选项集合。
将业务系统、机器人或者工作流的结构化状态数据组装为请求输入。
调用Jev接口，模型一次性返回带概率置信度的结构化决策数据。
业务代码直接读取结构化结果，无需文本解析、正则清洗，直接执行后续逻辑。

六、竞品对比

选取GPT-4o、Claude 3.5 Sonnet作为传统大模型竞品对比：

对比维度	Jev（System One Model）	GPT-4o	Claude 3.5 Sonnet
核心输出	结构化类型数据，附带概率，不输出自然文本	自由文本字符串，附带结构化输出能力	自由文本字符串，附带结构化输出能力
生成方式	并行一次性输出	逐Token串行自回归	逐Token串行自回归
延迟	70–500ms	数秒级别	数秒级别
训练目标	校准决策，置信度匹配真实准确率	人类偏好对齐	人类偏好对齐
类型错误风险	理论0类型错误，Schema约束	存在幻觉、字段格式错误风险	存在幻觉、字段格式错误风险
计费规则	仅输入Token收费，输出免费	输入+输出双向计费	输入+输出双向计费
最佳场景	后端自动化、实时决策、高频调用	人机对话、文本生成、复杂Agent	长文本处理、Agent工作流

七、常见问题解答

Q：Jev可以用来写文章、做聊天机器人吗？

A：不可以。Jev不会生成自然语言文本，它的定位是结构化决策引擎，适合嵌入程序内部做判断，不是面向人类交互的对话模型。

Q：Jev宣称的百倍提速、数百倍降本是所有场景都能达到吗？

A：不能。该数据来自官方内部评测集的最优结果，真实业务场景的收益会低于宣传上限，实际效果取决于候选数量、业务复杂度。

Q：Jev消除了所有幻觉吗？

A：Jev能够保证输出数据符合预定义Schema，不会出现格式、类型幻觉；但是事实层面的决策判断依然会出错，只是它会给出匹配真实准确率的置信概率，方便业务做容错。

Q：System One Model是什么含义？

A：命名取自卡尼曼《思考，快与慢》，System One代表快速、直觉式的即时决策，和传统大模型慢速思考、生成文本的模式做区分。

Q：Jev的两阶段打分什么时候会触发？

A：当候选选项数量较多，最高支持255个候选时，模型会开启两阶段打分，先粗筛候选，再精细打分，会小幅增加延迟。

八、相关链接

TypeSafe AI官方博客原文：https://typesafe.ai/blog/introducing-system-one-models-and-jev
TypeSafe AI官网：https://typesafe.ai/

九、总结

Jev作为首款System One模型，跳出了传统大模型生成文本的路线，通过RLCD算法与并行推理架构，为软件自动化场景提供类型安全、低延迟、带可信概率的结构化决策能力，把AI从文本生成器转变为可直接嵌入后端程序的决策组件，在高频机器调用场景下解决传统LLM解析成本高、类型不稳定、响应慢的工程痛点，同时也明确限定适用边界，不适合需要自然语言输出的任务。