Modele System One

Czym różni się od LLM

LLM jest trenowany do kontynuowania tekstu. Model System One trenuje się do podejmowania skalibrowanych decyzji: prawdopodobieństwa optymalizuje się względem wyników, aby odzwierciedlały niepewność w całych grupach prognoz. Kalibracja nie gwarantuje poprawności pojedynczej odpowiedzi. Pozwala jednak ustawić w kodzie progi działania, weryfikacji lub eskalacji zamiast analizować akapit tekstu.

Nigdy nie prosisz Jev o napisanie wiadomości e-mail ani funkcji. Pytasz, do której kolejki powinno trafić zgłoszenie, jak bardzo sfrustrowany wydaje się klient albo czy wiadomość zawiera prośbę o zwrot. Tabela na stronie pojęć TypeSafe wykorzystuje te trzy przykłady: Choice zwraca choice: „billing”, Score może zwrócić 1.4 na skali frustracji 0-2, a Noul — 0.95 dla odpowiedzi tak/nie dotyczącej zwrotu.

Nazwa System One pochodzi z książki Daniel Kahneman. System 1 działa szybko i intuicyjnie. System 2 jest wolniejszy i bardziej rozważny. TypeSafe powierza szybką ocenę modelowi, a wolniejsze sterowanie przebiegiem — Twojej aplikacji. Jeśli zadanie wymaga długich łańcuchów pośredniego wnioskowania lub swobodnego pisania, powinien wykonać je model generatywny albo kod, nie Jev 1.13.

RLCD zamiast RLHF

TypeSafe trenuje Jev za pomocą Reinforcement Learning for Calibrated Decisions (RLCD). RLHF to zestaw metod używany do zwiększania ugodowości modeli czatowych. RLVR jest standardową metodą trenowania modeli prowadzących długie rozumowanie. RLCD to metoda opisana przez TypeSafe dla System One: nagradzane są skalibrowane decyzje, a nie płynnie generowane tokeny. W poście premierowym wspomniano też o nowej architekturze i równoległym próbniku, który ocenia wiele pytań względem jednego stanu.

Ponieważ wagi są współdzielone, nie dostrajasz Jev ani nie adaptujesz go przez LoRA przy użyciu danych klientów. Zastrzeżone rekordy umieszczaj w stanie. Reguły dziedzinowe zapisuj w instrukcjach i kryteriach. Rozdziel szeroką ocenę na niepodzielne pytania, a wyniki liczbowe połącz w kodzie. Udokumentowane sposoby specjalizacji bez trenowania prywatnej kopii to punktacja złożona oraz podrzędny model klasyczny wykorzystujący prawdopodobieństwa Jev.

Jev przyjmuje obecnie wyłącznie tekst. Dozwolone są ciągi znaków, obiekty JSON i tablice tekstu. Piksele i przebiegi falowe nie są obsługiwane. Podstawowym językiem treningowym jest angielski; pismo CJK i inne systemy pisma są przyjmowane z niższą dokładnością, dlatego przetestuj je przed skierowaniem zadań nieanglojęzycznych. W praktyce pewność Choice i Score pozwala kierować wyniki dla słabiej obsługiwanych języków do weryfikacji przez człowieka.

Szybkie decyzje w ramach większego procesu

W przypadku prośby o zwrot udokumentowany przebieg wygląda tak: zbuduj stan zawierający wiadomość, transakcje i zasady; zadaj jednocześnie niezależne pytania (czy poproszono o zwrot, czy dowody wskazują podwójne obciążenie, czy zasady na to pozwalają); następnie połącz odpowiedzi z deterministycznymi kontrolami i skieruj sprawę do działania lub weryfikacji. Gdy Primitives są już gotowe, możesz je ze sobą łączyć. Dzięki wynikom o określonych typach kod może sprawdzać odpowiedzi bez parsera usuwającego pozostałości prozy.

Spekulatywny fan-out to wzorzec, dzięki któremu jest to tanie. Wysyłasz pytania, których możesz nie potrzebować — także takie, które zakładają określony typ urządzenia lub zamiar — a po wywołaniu odrzucasz nieistotne wyniki. Sekwencyjne wywołania wymagałyby oczekiwania na każdy etap. Jev ocenia mapę równolegle, więc dodatkowe pytania niemal nie zwiększają opóźnienia. Dlatego demo inteligentnego domu może jednocześnie pytać o kategorię, domenę, urządzenie i działanie.

Wywołaj model System One za pomocą typesafe-sdk, @typesafe-ai/sdk lub żądania POST pod adresem https://api.typesafe.ai/v1/systemone. Pole model wybiera kompilację; przykłady w dokumentacji używają jev-latest, który obecnie wskazuje na jev-1.13.0. Zacznij od struktur stanu i Primitives, a następnie dodaj progi pewności przed każdym automatycznym efektem ubocznym.

Co pozostaje poza System One

Generowanie, planowanie długoterminowe i agenci korzystający z narzędzi należą w terminologii Kahnemana do zadań System Two. Jev 1.13 nie napisze wiadomości e-mail o zwrocie, kodu SQL ani kolejnego akapitu Wikipedii. Określi, czy zgłoszenie dotyczy zwrotu, do której kolejki powinno trafić i na ile ta decyzja jest pewna. Gdy rzeczywiście potrzebujesz wygenerowanego tekstu, połącz go z modelem generatywnym.

Odpada również ustalanie tożsamości liczb. Zliczanie, kolejność dat i odległość szesnastkową należy obsługiwać w kodzie. Strona jaggedness zawiera katalog takich przypadków brzegowych, ostatnio sprawdzony 17 September 2026. Przepływ pracy System One, który pomija ten katalog, może sprawiać wrażenie dobrze skalibrowanego, a mimo to kierować dane na podstawie dosłownie błędnej interpretacji.

Piksele pozostają poza wejściem, dopóki TypeSafe nie udostępni obsługi obrazów. Doom, Wikiracing i asystent inteligentnego domu wysyłają wyłącznie tekst. Jeśli produkt korzysta z kamery, najpierw wykonaj transkrypcję lub opis obrazu. Ta sama zasada dotyczy dźwięku. Limity 64k i 32k dotyczą tokenów, nie klatek obrazu.

System One to klasa produktów, która ma dziś jednego publicznego przedstawiciela. Jeśli TypeSafe udostępni drugi model pod tym samym punktem końcowym, wybierzesz go w polu model. Do tego czasu jev-1.13.0 jest wersjonowanym identyfikatorem używanym przez jev-latest i jev-preview. Każdy inny model konwersacyjny lub rozumujący traktuj jako odrębną klasę, nawet jeśli działa w ramach tego samego ogólnego procesu.

RLCD to nazwa metody treningowej stosowanej przez TypeSafe dla tej klasy. Nie jest przełącznikiem przekazywanym w żądaniu. Nadal tworzysz instrukcje i kryteria oraz łączysz odpowiedzi w kodzie. Różnica polega na celu optymalizacji wag: są nim skalibrowane decyzje, a nie tokeny rozmowy. Dlatego wynikiem jest Choice, Score lub Noul, a nie akapit tekstu.

Modele konwersacyjne pozostaw do pisania. Jev wykorzystuj przy wyborze dalszej drogi. Oba mogą współdzielić proces, ale nie powinny otrzymywać tego samego promptu. Na tym właśnie polega sens umieszczenia modelu System One obok LLM.

Kahneman jest źródłem nazwy, a nie trybem działania. Nadal samodzielnie wybierasz Choice, Score lub Noul.