专题 · Decision model research

Jev：无文本决策模型研究

它不写长答案，只返回程序可以消费的类型化决策和概率。这里不急着相信“更快、更便宜”，而是先分清接口事实、厂商声明和仍待实验的问题。

Research question

核心研究问题

当运行时只消费最终分支时，生成文本只是给人看的接口成本，还是模型完成复杂判断所需的工作区？去掉自由文本之后，速度、成本、正确率和可诊断性分别发生什么变化？

官方事实 API 接受状态与预定义问题，返回 Choice、Score 或 Noul 类型的概率答案。

厂商声明新架构、并行 sampler、RLCD 与公开性能数字仍需要独立复核。

暂时判断 Jev 是窄接口决策组件，不是 Agent、生成式 LLM 或确定性规则的统一替代品。

首发 6 章 · 持续更新

01 · 9 分钟

从运行时只需要一个决定的场景出发，明确这个专题要验证的问题、证据标准和阅读路线。

02 · 13 分钟

用接口契约和相邻技术对比，划清类型正确、语义正确与可安全自动执行之间的边界。

03 · 12 分钟

把输入上下文、内部计算、可见思维链和最终文本拆开，避免把接口现象误写成模型机制。

04 · 14 分钟

还原厂商数字的原始声明、比较对象和计算口径，并明确这些评测不能证明什么。

05 · 15 分钟

从申请访问、保护密钥到 Choice、Score、Noul，建立可以安全执行的最小实践路径。

06 · 14 分钟

定义规则、DeepSeek 与 Jev 的可复现对照实验，以及从离线评测走向 Shadow Mode 的门槛。

Open questions