TWITTER · 人工智能
TypeSafe AI 的 System One 模型与 RLCD 范式：跳出聊天模型悖论
一语总结InstructGPT 作者创办 TypeSafe AI，推出专为软件决策设计的 System One 模型 Jev，利用 RLCD 追求校准概率而非指令遵循，旨在将智能转化为软件可调用的结构化原语。
本文深度解读了 TypeSafe AI CEO Diogo 关于新模型 Jev 的设计理念。Jev 定位为「System One」模型，不生成文本或对话，而是作为「聪明的 if 语句」提供带校准概率的结构化决策。核心技术 RLCD 旨在实现认识论上的诚实，通过校准概率将 AI 智能转化为软件可调用的接口。作者批判了 RLHF 导致的模式坍缩，主张通过「数据实验室」而非纯算力 Scaling 来优化模型，并提出将工作流拆解为可测决策的方法论，预言 AI 将像正则一样消失在软件内部。
- System One 模型：从「生成文本」转向「结构化决策」
Jev 不做聊天机器人，而是定位为软件内部的决策原语，提供快速、带校准概率的小型判断，解决模型能解数学难题却无法自动化简单日常工作的悖论。
- RLCD 范式：用「校准概率」替代「指令遵循」
RLCD (Reinforcement Learning for Calibrated Decisions) 的目标函数是使预测概率与实际发生率一致，使概率成为可设阈值的软件接口，避免 RLHF 带来的模式坍缩。
- 数据驱动而非算力驱动：Data Lab 理念
拒绝盲目追求 Scaling Laws 的指数级资源投入，通过合成数据和「手术式」修补认知核心点，追求 intelligence/$ 的帕累托前沿。
TypeSafe AI 的 System One 模型与 RLCD 范式：跳出聊天模型悖论
本文深度解读了 TypeSafe AI CEO Diogo 关于新模型 Jev 的设计理念。Jev 定位为「System One」模型，不生成文本或对话，而是作为「聪明的 if 语句」提供带校准概率的结构化决策。核心技术 RLCD 旨在实现认识论上的诚实，通过校准概率将 AI 智能转化为软件可调用的接口。作者批判了 RLHF 导致的模式坍缩，主张通过「数据实验室」而非纯算力 Scaling 来优化模型，并提出将工作流拆解为可测决策的方法论，预言 AI 将像正则一样消失在软件内部。
文章金句
"模型能解千禧年数学难题，却自动化不了最普通的日常工作！
"智能不应审查自己的使用方式
"AI 将「像 regex 一样不起眼地」消失进软件内部