Jev发布：RLHF之父Diogo Almeida新作，开创“校准决策强化学习”（RLCD）时代

SmartHey9月22日消息，据雷锋网报道，近日，全网热议新模型 Jev——推特上多位技术领袖用它通关《超级马里奥》、过滤垃圾信息、执行加密货币交易策略，并称其为“Agent 时代的系统1”；也有观点认为，它本质是一个高度优化的结构化决策引擎。

Jev 是由 ChatGPT 早期核心开发者、RLHF（基于人类反馈的强化学习）提出者 Diogo Almeida 创立 TypeSafe AI 后，潜心研发两年推出的首项成果。与传统大语言模型显著不同的是：Jev 不生成自然语言文本，而是专精于结构化决策。

它接收非结构化输入（如网页内容、日志片段、用户指令等），直接输出带明确语义类型的概率化决策结果——代码可无缝调用该结果触发后续动作。简言之，Jev 是一个“可编程判断中枢”，输入任意信息，输出确定性指令。其能力严格限定于三类原语操作：bool（二元判断）、choice（多选项择优）、score（量化评分）。

因此，Jev 的核心优势在于“极速”与“极省”。官网数据显示，其推理速度达主流 LLM 的 20–200 倍，单位决策成本降低近两个数量级，且所有输出 Token 免费。这一性能跃升，源于全新模型架构、高效并行采样器，以及首创训练范式——校准决策强化学习（RLCD）。

值得注意的是，RLCD 的提出，正源于 Diogo Almeida 对 RLHF 的深度反思。当年，为使 GPT-3 等仅擅长文本接龙的模型贴合人类表达偏好，RLHF 应运而生，并成为 ChatGPT 成功的关键基石。

然而，随着 RLHF 在工业界大规模部署，其依赖主观人类评分的局限日益凸显：面对专业性强、答案模糊或人类本身难以评判的复杂任务时，模型易产生“讨好式幻觉”，即强行编造看似合理实则错误的回答。

为此，可验证奖励强化学习（RLVR）兴起——借助编译器、形式化验证器或数学证明系统提供客观对错反馈，推动 OpenAI o1/o3、DeepSeek-R1 等模型进入“深度推理时代”。但代价是响应延迟高、计算开销大，难以满足企业高频自动化场景中“毫秒级响应+高置信度决策”的真实需求。

RLCD 正是在此背景下诞生。Diogo Almeida 指出：盲目扩大模型规模、依赖长链思维链（Chain-of-Thought）打草稿，并不适用于实时工业决策。RLCD 的核心理念是——要求模型仅输出其“认知边界内可校准的概率答案”：有七成把握就说七成，绝不外推、不虚构、不妥协准确率换流畅度。

因此，Jev 在设计上彻底规避幻觉风险。它摒弃逐字生成模式，改用并行采样机制，在内部同步评估大量候选决策路径，并于 70ms–500ms 内输出标准化结构化结果。在 System One 类封闭型决策任务（如规则匹配、流程路由、合规审查）中，其表现已媲美 GPT-5.6 Terra 等前沿闭源模型。