Jev 的核心設計理念
Jev 由前 OpenAI 研究員創立,其核心特點是「刪除了語言能力」。它不寫文章或程式碼,而是專注於解決大型語言模型(LLM)「廢話太多」且昂貴的問題,被定義為專門處理快速、直覺判斷的 System 1 模型。
介紹由前 OpenAI 研究員開發的新型模型「Jev」,它透過捨棄語言生成能力,實現了極速、極廉價且具備強型別輸出的 AI 決策機制。
安裝摘要王後,打開任何 YouTube 影片就能一鍵整理重點,先看值得看的段落,不必再複製網址。
用摘要王先看重點,把時間留給想看的段落。免費註冊,我們會把 YouTube 電腦版安裝連結和教學寄到你的信箱。
使用 Google 免費開始・每個新帳號限領一次
如果願意,點一下最接近你的感受就好。
影片提到 Jev 是一種專注於「直覺(System 1)」而非「推理(System 2)」的模型。這種分類方式點出了一個有趣的趨勢:當前業界過度追求 LLM 的複雜推理與生成能力,卻忽略了許多工業級應用(如點擊流分析、即時反欺詐)其實只需要極速、低廉的分類判斷。Diego Almeida 選擇「刪除語言」來極大化效率,反映了 AI 發展正從「全能聊天機器人」轉向「專業結構化工具」。
這也引發一個值得思考的點:當模型變得更「強型別」且不可對話時,它是否還能保有 LLM 對語境(Context)的深層理解力?如果 OpenJev 的存在證明了只需讀取既有模型的輸出機率就能達成效果,那麼 Jev 高達 4000 萬美金的融資,其護城河究竟是獨家的 RLCD 訓練數據,還是僅僅是對現有分類技術的一次成功包裝?這對那些考慮將 AI 整合進核心業務的開發者來說,是一個在「付費服務」與「自行建構」之間權衡的重要課題。
觀眾怎麼看
整理 40 則有效留言信心 高觀眾對 Jev 模型持保留態度,認為其本質僅是傳統分類器或現有技術的重新包裝,並對其宣稱的創新性提出質疑。
多數觀眾認為 Jev 並非革命性創新,本質上僅是傳統神經網路分類器或限制輸出後的現有模型。
觀眾對影片中引用影視作品(如矽谷群瞎傳)的橋段感到高度共鳴,並對創作者的幽默感給予正面評價。
有觀眾指出類似的輕量化模型或分類技術在開源社群中早已存在,並非近期才出現的技術突破。
觀眾擔憂模型輸出的「信心分數」可能被誤解,且對於將此類模型應用於自動化決策感到不安。
留言樣本多為調侃與技術質疑,可能無法代表所有使用者的真實觀點。