ChatGPT 伤透了 Diogo Almeida 的心。
Almeida 是一名 OpenAI 研究员，他帮助构建了聊天机器人，然后发明了基于人类反馈的强化学习 (RLHF)，这种建模学习技术可能对我们当前的人工智能时代负有最大的责任。但尽管他有机会，他还是感到失望。
“我们的瓶子里有电，但它没有用，”阿尔梅达告诉 TechCrunch。 “从那时起我就一直在努力解决这个问题。我花了一段时间才得出结论：问题在于我们正在针对人类语言进行优化……四年来我们一直非常擅长人类语言，但这对自动化没有用，因为计算机说的是不同的语言。”
两年前，Almeida 离开 OpenAI，创办了 TypeSafe AI，这是一家试图解决这个问题的初创公司。本周该公司发布了一个新的基于 Transformer 的模型 Jev，它不是一个大型语言模型 (LLM)。它不需要文本，而是生成概率，或者该公司所说的“校准决策”。
回避语言有几件事：它使模型极其便宜和快速，并且因为用户预先确定了结果，所以它不会产生幻觉。它的输出代币是免费的，输入代币以百万计，而不是数百万。
开发者对产品非常感兴趣；由于需求如此之高，该公司一度失去了通过其 API 为用户提供服务的能力。 Jev 似乎对软件自动化最有用。到目前为止，软件开发人员认为这是一种将智能融入到代码中的更便宜、更可靠的方法。
例如，构建代理基础设施的 Vercel 公司的软件工程师 Praneet Sharma 表示，他的公司使用 OpenAI 的 ChatGPT Luna 5.6 来管理分类，以审查订单的安全性。当 Versel 用 Jev 取代 OpenAI 的 Luna 时，它产生的速度提高了 5 到 18 倍，结果也更加准确。
另一位开发人员、Bryo AI 首席技术官 Nikhil Mudholkar 测试了 Jev 与 Gemini 的对比，以对商业电子邮件进行分类。在测试中，Gemini 的准确度稍高一些，但价格却贵了 10 到 20 倍。对 Mudholkar 来说更有趣的是 Jev 的置信度分数 – “它是唯一返回真实概率的分数，使其成为工作流程自动化的理想选择！”
除了在某些用例中取代法学硕士之外，新模型还可以增强它们并充当对不当行为的智能检查。 Almeida 表示，使用代理来监控代理可能很快就会变得昂贵，但使用 Jev 来做到这一点是有意义的。他看到用户使用 Jev 来跟踪 LLM 代理跟踪并避免池。
“归根结底，这会给用户带来一些幻觉问题，”Earendil 的首席技术官 Armin Ronacher 说道，该公司是 Pi 开源模型的制造商。 “用户必须说，好吧，如果它只有 50% 的几率返回，也许它是一枚硬币，我会忽略它。但如果它是 95%，当然，我可以用它做点什么。”
Ronacher 说，Jev 的另一个潜在用途是模型路由。预测给定负载是否需要特定模型会很有用，但使用 LLM 的操作成本会很高。 Jev 的低成本和速度使得这种实时分类成为可能。
这就是阿尔梅达的希望。该模型以 19 世纪经济学家威廉·斯坦利·杰文斯 (William Stanley Jevons) 的名字命名，他的同名悖论描述了商品价格下降如何导致更多商品被使用。在这种情况下，勘探成本的下降应该会导致其广泛扩张。
阿尔梅达说：“我们认为智能软件将会出现并传播到各地……早期互联网的普及程度超出你的想象，就像人们现在试图构建的大型应用程序一样。”
阿尔梅达对该模型的架构持批评态度，外部观察人士认为该模型是建立在开放的法学硕士之上的。该公司将 Jev 称为“系统一模型”，专注于正确的任务而不是直觉。阿尔梅达表示，杰夫仅使用一种他称之为“根据校准决策进行强化学习”的方法接受合成数据的训练。
“我们很早就打赌，我们将获得所有数据，这是我一生中做过的最好的赌注之一——在我看来，比我们的初创公司更好，比 RLHF 更好，”他告诉 TechCrunch。 “一半 [our company] 这个实验室基本上拥有统计上易于理解的合成数据的整个子领域，这就是我现在生活的乐趣。”
目前，Jev 是唯一一个这样的模型，但 Ronacher 预计，既然它的实用性众所周知，竞争对手就会出现。
他说：“我们之前应该在很多方面都看到过这一点，但可能是因为法学硕士非常便宜并且有补贴，所以你通常不需要有创造力。”
TypeSafe 本身用新方法制作了更多版本的模型。当被问及 TypeSafe 是否是边境实验室时，阿尔梅达说，“边境实验室的主要产品是恐惧或宣传。我希望我们的主要产品是情报……[but we are] 不是某种意义上的实验室，你知道，就像押注于无限的财富，或宗教，或将上帝建造成数据中心，或当今的任何东西。
当您通过我们文章中的链接进行购买时，我们可能会赚取少量佣金。这并不影响我们的编辑独立性。
