问题设计比模型更关键：Jev vs Laya测试
同一430例测试中，展示证据时Jev漏过68-92%的虚假代理报告，Laya漏过84-88%；改为直接提问后，Jev仅漏过约1%的错误计数和文件。实验结果表明提问方式的影响大于模型选择。 链接
THE JEV GUIDE · CURATED EDITION
科研.
TypeSafe Jev 的发布、原理、演示与社区实践，按主题整理。每条内容都可回到 X 原帖核对。
人工精选 · 非全量收录 · 手动更新
5419条已收录内容
2789条原帖视频
Sponsors
这些产品赞助了本目录。 把你的产品放上来
Sebastian Raschka：从词袋到Jev的文本分类历史
推荐阅读Sebastian Raschka的文章，回顾文本分类技术的发展历程，并介绍了TypeSafe AI的决策模型Jev。 链接
评估Jev在仇恨言论审核中的准确性与效率
该论文研究了结构化决策模型（如Jev）在仇恨言论审核任务中的准确性和效率，为内容审核提供评估参考。 链接
Jev-as-Judge 在高风险 AI 评估中的偏差问题
用户指出 Jev-as-Judge 存在严重性和宽容性偏差，需要移除这些偏差才能用于高风险的 AI 评估。
探讨Jev模型作为PRL评判者
帖子询问是否有人将Jev风格模型用作过程奖励学习（PRL）中的评判者，并指出更好的评判者可能推动PRL复兴，更多监督有助于学习。
信息流里每 16 张、每一页都有一张。每周 $50，任意一周可停。
Jev与开源模型对比：GLiNER在Doom上超越Jev
James Briggs解析TypeSafe AI的Jev模型，并对比OpenJev（Von）和小型GLiNER模型，发现仅74M参数的GLiNER在Doom基准上表现惊人，甚至超过Jev。
快速 AI 并不意味着笨 AI：对 Jev 的科学探讨
以科学视角介绍Jev，讨论快速AI并非能力下降，并附完整视频链接。 链接
Jev风格类型化决策模型论文分享
该帖子分享了一篇arXiv论文《Labels Override Definitions in Jev-Style Typed Decision Models》，作者为Seyedarmin Azizi、Erfan Baghaei Potraghloo和Massoud Pedram。 链接
Jev及类似模型的评估结果与指标
用户分享了Jev及类似模型在多种任务上的评估结果和评估指标概览。
研究：托管式 Jev 模型在智能体任务上优于开源对手
研究人员评估了两个 System-1 决策模型——开源 Laya 和托管式 Jev——在 11 个智能体决策点上的表现，使用 7,283 个基础用例及 6,640 个鲁棒性变体。结果显示 Jev 胜出。
Jev模型被用于SQL处理研究
该研究提出将Jev模型引入Semantic SQL，利用LLM等模型判断文本语义，用于SQL的筛选和JOIN条件，以解决逐行判断带来的时间和费用开销问题。
Chinese-Jev：将 System One 模型引入中文任务
介绍一篇关于 Chinese-Jev 的学术论文，旨在将 TypeSafe 的 System One 模型扩展到中文语言任务，涵盖自然语言处理和计算机视觉等方向。 链接
