Jev՝ LLM-ի նոր ձև. System One, այսինքն՝ Decision Models

Ընկերություն TypeSafe AI-ն անցյալ շաբաթ ներկայացրեց Jev-ը՝ մոդելների նոր կատեգորիայի առաջին օրինակը, որը կոչվում է "System One մոդելներ"։ Սայմոն Ուիլիսոնը կարծում է, որ ավելի ճշգրիտ անվանում է "decision models" (որոշումների մոդելներ). այս տերմինն օգտագործում է նաև դիզայներ Մեգի Էփլթոնը։

Jev-ը տեքստային մուտք է ընդունում սովորական մեծ լեզվական մոդելի նման, սակայն տեքստ ընդհանրապես չի վերադարձնում. ելքը լողացող ստորակետով թվեր են՝ կատեգորիաների, այո/ոչ հարցերի և գնահատականների համար, վստահության գնահատականներով։ TypeSafe-ը նկարագրում է այն որպես "frontier-intelligence ֆունկցիայի կանչ. չկառուցվածքավորված վիճակ ներսում, տիպավորված հավանականային որոշումներ դուրս"։

Ինչպես է աշխատում Jev-ը

API-ի հետ աշխատելու համար կազմվում է "վիճակ" (state) օբյեկտ՝ տող, տողերի զանգված կամ անուն-արժեք զույգեր, որոնք նկարագրում են հոդված, հաճախորդ կամ այլ գրառում։ Այն մեկ կամ մի քանի հարցի հետ ուղարկվում է API, և ամեն հարց ստանում է առանձին պատասխան։

Կան երեք տեսակի հարցեր։ Այո/ոչ հարցերը, որոնք Jev-ը կոչում է "Noul" (տնօրենը Hacker News-ում հաստատել է, որ անվանումը գալիս է Բեռնուլիի բաշխումից), վերադարձնում են 0-ից 1 թիվ՝ որքանով է մոդելը վստահ, որ պնդումը ճշմարիտ է։ Ընտրության հարցերը վերադարձնում են վստահության գնահատական և հավանականության բաշխում տրված տարբերակների վրա, իսկ գնահատականի հարցերը փաստաթուղթը տեղադրում են նկարագրված թվային միջակայքում։

Հարցերը մշակվում են զուգահեռ, այնպես որ մեկ փաստաթղթի համար շատ հարցեր գրեթե նույն ժամանակն են պահանջում, ինչ մեկը։ Գնագոյացումը նույնպես անսովոր է. վճարվում է միայն մուտքը՝ 0,042 դոլար միլիոն token-ի դիմաց, ելքն անվճար է։ Սա էժան է նաև OpenAI-ի GPT-5 Nano-ից (0,05 դոլար միլիոնի դիմաց)։

Սև արկղեր և կողմնակալություն

Ուիլիսոնի համար արտադրանքի ձևը մտահոգիչ է. այն մեքենայական ուսուցումը մղում է ավելի անթափանց "սև արկղերի" ուղղությամբ։ Սովորական LLM-ից կարելի է գոնե հիմնավորում պահանջել. Jev-ը միայն թիվ է վերադարձնում, և ոչինչ չի բացատրում, թե որ բովանդակային ազդակներն են փաստաթուղթը մղել որոշակի կատեգորիա։ Այդ պատճառով կողմնակալությունն առաջին պլան է գալիս. նա հույս ունի, որ ոչ ոք մոդելը չի օգտագործի աշխատանքի թեկնածուներին դասավորելու համար։ Մի փորձով Սան Ֆրանցիսկոյի ծոցի բոլոր քաղաքների գնահատումը "Լավ քաղաք է՞" հարցով առաջին տեղում դրեց Քուփերթինոն, վերջինում՝ Իսթ Փալո Ալթոն։

Քանի որ Jev-ը էժան է, հեղինակը պնդում է, որ գնահատումներն ու կառուցվածքավորված փորձերը նույնիսկ ավելի կարևոր են, քան սովորական LLM նախագծերում. հարյուրավոր կամ հազարավոր փորձնական հարցումները արժեն ընդամենը մի քանի ցենտ։

Համայնքի փորձերը

Մի քանի օրվա ընթացքում հայտնվեցին անսովոր նախագծեր. jevchat-ը (Kyle Pena) Jev-ը վերածում է վատ չաթ-բոտի, jev-leftpad-ը (Fatih Kadir Akın) իրականացնում է left-pad բացատների քանակի հարցով, իսկ jev-2048-ը (Andy Gayton) խաղում է 2048 հանելուկը։

Հայտնվեցին նաև բաց կշիռներով վերաստեղծումներ, այդ թվում Kev-ը, որը Qwen 3.5-ի վրա կառուցում է 0.8B, 4B և 9B մոդելներ. արդեն կա JevBench չափանիշը "Jev դասի որոշումների մոդելները" համեմատելու համար. տպավորիչ ակտիվություն մեկ շաբաթից էլ պակաս վաղեմություն ունեցող թողարկման համար։