wwsun

Jev Model

9分钟阅读

1. 核心定位与设计目标

Jev 是由 TypeSafe AI（由前 OpenAI 研究员 Diogo Almeida 等人创立）于 2026 年 9 月发布的决策模型。其定位为“系统一（System One）模型”，不具备生成自然语言长句或散文的能力，输入上下文后直接输出结构化判定结果与概率分布。

命名溯源：杰文斯悖论（Jevons' Paradox）

模型名称来自 19 世纪英国经济学家威廉·斯坦利·杰文斯（William Stanley Jevons）。杰文斯悖论指当某项资源利用效率提高、成本下降时，该资源的总消耗量往往会增加。 Jev 的设计目标是通过大幅降低单次判定的延迟与成本，使软件能够像调用常规条件语句一样密集使用模型决策。

2. 决策原语与多探针并发

Jev 接收上下文状态（State），在单次前向传播中处理以下三种类型的问题定义：

                    ┌─► Choice (分类 / 路由) ──► 选项 + 概率分布
                    │
输入状态 (Context) ──┼─► Score  (评估 / 打分) ──► 数值 + 置信区间
                    │
                    └─► Noul   (真伪 / 判定) ──► 伯努利概率 (0.0 ~ 1.0)
  1. Choice（分类与路由）
    • 用途：从预设选项列表中匹配目标项（例如工单分类、工具选择、UI 目标元素选择）。
    • 输出：目标选项、各选项概率分布与置信度。
  2. Score（分级与评分）
    • 用途：按连续或离散区间评估打分（例如风险等级 15、内容合规分值 0100、图层对齐程度）。
    • 输出：得分值、期望值与概率分布。
  3. Noul（真伪判定）
    • 用途：判断条件是否成立（例如“弹窗是否已关闭”、“输入是否违规”）。
    • 命名来源：统计学中的伯努利试验（Bernoulli Trial）。
    • 输出：命题为 True 的概率值（0.0 ~ 1.0），可直接作为程序布尔判断依据。

单帧多探针（Multi-Probe）

单次 API 调用支持同时传入多个问题探针。例如传入一帧界面截图后，模型可在一次前向传播中同时返回：弹窗是否可见（Noul）、主按钮状态（Choice）、页面加载完成度（Score）。

3. 架构与训练方法

非自回归结构（Non-Autoregressive Transformer）

自回归大语言模型（LLM）依赖逐 Token 生成，即使输出布尔值或 JSON 片段，也需要多次解码迭代，端到端延迟通常在数百毫秒至数秒。 Jev 采用非自回归架构，通过单次前向传播并行计算所有目标输出，消除解码循环，平均延迟在 10ms ~ 30ms。

RLCD（校准决策强化学习）

传统 RLHF 训练倾向于让模型给出极端置信度，输出的概率往往无法直接等同于经验准确率。

TypeSafe AI 采用 RLCD（Reinforcement Learning for Calibrated Decisions，校准决策强化学习）：

  • 以**统计校准度（Statistical Calibration）**为优化目标；
  • 当模型给出 0.8 的置信概率时，统计意义上的经验准确率对应趋近 80%；
  • 允许系统设置确定的放行阈值（例如 自动执行， 转人工复核）。

4. 指标与特性对比

维度自回归生成模型 (Chat LLM)Jev (System One Model)
输出形式自然语言文本 / JSON 字符串结构化强类型数据（Choice / Score / Noul）
单次延迟500ms ~ 3000ms+（逐 Token 解码）10ms ~ 30ms（单次前向传递）
单次成本较高（按输入/输出 Token 计费）较低（约为生成模型的 1/200 ~ 1/400）
输出确定性存在格式偏移、JSON 语法错误风险类型安全，无需额外 JSON 解析与重试
概率可用性缺乏可靠校准经 RLCD 统计校准，可直接设阈值分流
接入方式提示词工程（Prompt Engineering）类型化 API / SDK 传参

5. 端到端 Agent（Mobile / Design App）落地实践

在设计软件（如 Figma/Canvas）与移动系统操作（Phone-use / OS-Agent）中，Jev 承担高频微决策与执行校验，与负责全局规划的 Reasoning Model / 通用大模型配合：

flowchart TD
    User([用户任务输入]) --> System2[规划层: 通用/推理大模型<br>负责全局拆解与策略制定]
    System2 --> Plan[生成步骤计划]

    Plan --> Loop{执行循环 Step Loop}
    Loop -->|截屏 / 状态输入| Probes[Jev 多探针并行检测<br>~20ms]

    Probes --> StateSnapshot[解析状态快照: 弹窗/层级/按键]
    StateSnapshot --> GuardCheck{Noul: 前置条件就绪?}

    GuardCheck -->|否: 状态未就绪| Retry[快速重试]
    Retry --> Loop

    GuardCheck -->|是| ConfBranch{Choice: 动作置信度}

    ConfBranch -->|p >= 0.95: 高确信| Exec[直接执行触控 / API 调用]
    ConfBranch -->|0.7 <= p < 0.95: 边缘存疑| DualCheck[辅助模型复核]
    ConfBranch -->|p < 0.7: 低确信| Escalate[上报规划层重新规划 / 人工介入]

    Exec --> Assert{Noul: 状态变更断言}
    Assert -->|成立| Loop
    DualCheck --> Loop
    Escalate --> System2

常见模式

1. 状态变更断言（State Assertions）

GUI 自动化中经常遇到指令已发送但界面未响应的问题。可以使用 Noul 原语进行前后状态校验：

  • 操作前校验：assert jev.ask_noul(screen, "Confirm dialog is visible") > 0.9
  • 操作后校验：assert jev.ask_noul(screen, "Confirm dialog is dismissed") > 0.9
  • 未通过时可在几十毫秒内触发局部重试，避免等待长超时。
2. 置信度阶梯分流（Confidence-based Escalation）

依托 RLCD 的校准概率划分执行策略：

# 移动端目标选择与分流示例
decision = jev.ask_choice(
    context=screen_state,
    question="Which element is the target 'Export' action button?",
    options=["btn_export_canvas", "btn_cancel", "btn_share"]
)
 
if decision.confidence >= 0.95:
    # 高确信：直接调用系统驱动点击
    driver.tap(decision.best_choice)
elif decision.confidence >= 0.70:
    # 存疑：调用轻量视觉规则或副探针二次确认
    double_check(screen_state, decision)
else:
    # 低确信：回退到规划模型重新推理或提示用户确认
    escalate_to_planner(screen_state, decision)
3. 设计工具图层消歧与对齐质检
  • 使用 Choice 原语在重叠或相近图层候选中命中目标；
  • 使用 Score 原语（0~100）评估排版对齐或对比度，作为 Agent 生成设计内容后的自动化校验门禁（Quality Gate）。

6. 适用与不适用场景

  • 不适用场景：
    • 自然语言对话、长文本创作与文档总结；
    • 复杂代码编写、长因果链条推理（这类任务仍由 Reasoning Model 处理）。
  • 适用场景：
    • 输入内容的安全与合规过滤（Guardrails）；
    • 自动化流程中的条件判断与分支跳转；
    • 移动端/桌面端的 UI 状态检测与动作目标路由；
    • 智能客服与工单分类分流。