โมเดล System One
การตัดสินแบบมีชนิดที่รวดเร็วสำหรับซอฟต์แวร์ ไม่ใช่ LLM สำหรับแชต
โมเดล System One ตัดสินใจอย่างรวดเร็วและมีโครงสร้าง ซึ่งซอฟต์แวร์นำไปใช้ได้โดยตรง โมเดลประเภทนี้จะประเมิน state แล้วส่งคำตอบแบบมีชนิดพร้อมค่าความน่าจะเป็นกลับมา Jev คือโมเดลเรือธงของ TypeSafe และเป็นโมเดล System One สาธารณะตัวแรก โมเดลเข้าใจอินพุตภาษาธรรมชาติเช่นเดียวกับ LLM แต่ต่างกันตรงที่ไม่เขียนคำตอบ ไม่สร้างโค้ด และไม่อธิบายเหตุผล คุณกำหนดคำตอบที่เป็นไปได้ผ่าน Choice, Score และ Noul
แตกต่างจาก LLM อย่างไร
LLM ถูกฝึกให้เขียนข้อความต่อ ส่วนโมเดล System One ถูกฝึกเพื่อการตัดสินใจที่ผ่านการปรับเทียบ โดยปรับค่าความน่าจะเป็นเทียบกับผลลัพธ์ เพื่อให้สะท้อนความไม่แน่นอนในกลุ่มคำทำนาย การปรับเทียบไม่ได้รับประกันว่าคำตอบหนึ่งจะถูกต้อง แต่ช่วยให้คุณตั้งจุดคัดกรองในโค้ดได้ว่าจะดำเนินการ ตรวจทาน หรือส่งต่อ แทนการแยกวิเคราะห์ย่อหน้า
คุณจะไม่สั่งให้ Jev ร่างอีเมลหรือฟังก์ชัน แต่จะถามว่าทิกเก็ตควรอยู่ในคิวใด ลูกค้าฟังดูหงุดหงิดแค่ไหน หรือข้อความนั้นขอคืนเงินหรือไม่ ตารางในหน้าแนวคิดของ TypeSafe ใช้สามตัวอย่างนี้: Choice ส่งคืน choice: "billing", Score ส่งคืนค่า 1.4 บนสเกลความหงุดหงิด 0-2 ได้ และ Noul ส่งคืนค่า 0.95 สำหรับการตรวจคำขอคืนเงินแบบใช่/ไม่ใช่ได้
ชื่อ System One มาจากหนังสือ Thinking, Fast and Slow ของ Daniel Kahneman โดย System 1 ทำงานรวดเร็วและใช้สัญชาตญาณ ส่วน System 2 ช้ากว่าและไตร่ตรองมากกว่า TypeSafe ให้โมเดลรับหน้าที่ตัดสินอย่างรวดเร็ว และให้แอปพลิเคชันควบคุมลำดับงานที่ช้ากว่า หากงานต้องอาศัยการอ้างอิงต่อเนื่องหลายทอดหรือการเขียนแบบอิสระ งานนั้นควรอยู่กับโมเดลสร้างเนื้อหาหรือโค้ด ไม่ใช่ Jev 1.13
ใช้ RLCD แทน RLHF
TypeSafe ฝึก Jev ด้วย Reinforcement Learning for Calibrated Decisions (RLCD) ส่วน RLHF คือชุดเทคนิคที่ใช้ทำให้โมเดลแชตตอบสนองตามความต้องการ และ RLVR คือแนวทางทั่วไปสำหรับโมเดลที่ให้เหตุผลแบบยาว ขณะที่ RLCD คือแนวทางที่ TypeSafe ระบุไว้สำหรับ System One โดยให้รางวัลแก่การตัดสินใจที่ปรับเทียบแล้วแทนโทเค็นที่เรียบลื่น โพสต์เปิดตัวยังกล่าวถึงสถาปัตยกรรมใหม่และตัวสุ่มตัวอย่างแบบขนานที่ประเมินคำถามจำนวนมากเทียบกับ state เดียว
เนื่องจากใช้ค่าน้ำหนักร่วมกัน คุณจึงไม่ปรับแต่งเฉพาะงานหรือดัดแปลง Jev ด้วย LoRA โดยใช้ข้อมูลลูกค้า ให้ใส่เรกคอร์ดกรรมสิทธิ์ไว้ใน state เขียนกฎเฉพาะโดเมนไว้ในคำสั่งและเกณฑ์ แยกการตัดสินกว้าง ๆ เป็นคำถามย่อยที่เป็นอิสระ แล้วรวมตัวเลขในโค้ด การให้คะแนนแบบผสมและการใช้โมเดลแบบดั้งเดิมในขั้นปลายกับค่าความน่าจะเป็นของ Jev คือวิธีเฉพาะทางตามเอกสารโดยไม่ต้องฝึกสำเนาส่วนตัว
ปัจจุบัน Jev รับเฉพาะข้อความ โดยรองรับสตริง ออบเจ็กต์ JSON และอาร์เรย์ข้อความ แต่ไม่รองรับพิกเซลหรือรูปคลื่น ภาษาอังกฤษเป็นภาษาหลักที่ใช้ฝึก ส่วน CJK และอักษรอื่น ๆ ใช้งานได้แต่แม่นยำน้อยกว่า จึงควรทดสอบก่อนส่งเวิร์กโหลดที่ไม่ใช่ภาษาอังกฤษเข้าระบบ ในทางปฏิบัติ การใช้ค่าความเชื่อมั่นจาก Choice และ Score เป็นวิธีควบคุมให้ภาษาที่ประสิทธิภาพต่ำกว่าเหล่านั้นต้องผ่านการตรวจจากมนุษย์
การตัดสินอย่างรวดเร็วภายในเวิร์กโฟลว์ที่ใหญ่กว่า
สำหรับคำขอคืนเงิน ลูปตามเอกสารคือ: สร้าง state ที่มีข้อความ ธุรกรรม และนโยบาย; ถามคำถามอิสระพร้อมกัน (มีการขอคืนเงินหรือไม่ หลักฐานแสดงว่าถูกเรียกเก็บเงินซ้ำหรือไม่ นโยบายอนุญาตหรือไม่); จากนั้นรวมคำตอบกับการตรวจสอบแบบกำหนดตายตัว แล้วส่งไปดำเนินการหรือตรวจทาน เมื่อวาง Primitives แล้ว คุณก็นำมาประกอบกันได้ เอาต์พุตแบบมีชนิดช่วยให้โค้ดตรวจคำตอบได้โดยไม่ต้องใช้ตัวแยกวิเคราะห์กับข้อความส่วนเกิน
fan-out แบบคาดการณ์ล่วงหน้าคือแพตเทิร์นที่ช่วยให้วิธีนี้มีต้นทุนต่ำ คุณส่งคำถามที่อาจไม่จำเป็น รวมถึงคำถามที่ตั้งสมมติฐานเกี่ยวกับประเภทอุปกรณ์หรือเจตนา แล้วทิ้งผลลัพธ์ที่ไม่เกี่ยวข้องหลังการเรียก หากส่งคำขอไปกลับแบบลำดับจะต้องรอทุกขั้น แต่ Jev ประเมินแมปพร้อมกัน ทำให้คำถามเพิ่มเติมแทบไม่เพิ่มเวลาแฝง ด้วยเหตุนี้เดโมบ้านอัจฉริยะจึงถามหมวดหมู่ โดเมน อุปกรณ์ และการกระทำพร้อมกันได้
เรียกโมเดล System One ด้วย typesafe-sdk, @typesafe-ai/sdk หรือ POST https://api.typesafe.ai/v1/systemone. ฟิลด์ model ใช้เลือกบิลด์ ตัวอย่างในเอกสารใช้ jev-latest ซึ่งขณะนี้ชี้ไปที่ jev-1.13.0 เริ่มจากรูปทรงและ Primitives ของ state แล้วเพิ่มจุดคัดกรองตามค่าความเชื่อมั่นก่อนให้เกิดผลข้างเคียงอัตโนมัติใด ๆ
สิ่งที่อยู่นอกขอบเขตของ System One
การสร้างเนื้อหา การวางแผนระยะยาว และเอเจนต์ที่ใช้เครื่องมือ ถือเป็นงานของระบบที่สองตามคำเรียกของ Kahneman Jev 1.13 จะไม่เขียนอีเมลคืนเงิน SQL หรือย่อหน้าถัดไปใน Wikipedia แต่จะบอกว่าทิกเก็ตนั้นเป็นเรื่องคืนเงินหรือไม่ คิวใดควรรับผิดชอบ และมั่นใจในการตัดสินเพียงใด จับคู่กับโมเดลสร้างเนื้อหาเมื่อคุณต้องการเอาต์พุตเป็นโทเค็นจริง ๆ
การระบุความเหมือนกันของตัวเลขก็ใช้ไม่ได้เช่นกัน งานอย่างการนับ ลำดับวันที่ และระยะห่างของเลขฐานสิบหกควรจัดการในโค้ด หน้า jaggedness รวบรวมกรณีขอบเหล่านี้ไว้ โดยตรวจทานครั้งล่าสุดเมื่อ 17 September 2026 เวิร์กโฟลว์ System One ที่ละเลยรายการนี้อาจดูเหมือนปรับเทียบมาดี แต่ยังคงกำหนดเส้นทางจากการตีความตามตัวอักษรที่ผิด
จะยังไม่รับพิกเซลจนกว่า TypeSafe จะรองรับอินพุตภาพ ทั้ง Doom, Wikiracing และผู้ช่วยบ้านอัจฉริยะล้วนส่งข้อความ หากผลิตภัณฑ์ของคุณเป็นกล้อง ให้ถอดเป็นข้อความหรือบรรยายภาพก่อน หากเป็นเสียงก็ใช้กฎเดียวกัน เพดาน 64k และ 32k มีไว้สำหรับโทเค็น ไม่ใช่เฟรม
System One คือประเภทผลิตภัณฑ์ที่ปัจจุบันมีสมาชิกสาธารณะเพียงหนึ่งตัว หาก TypeSafe เปิดตัวโมเดลที่สองบนเอนด์พอยต์เดียวกัน คุณจะเลือกผ่านฟิลด์ model ระหว่างนี้ jev-1.13.0 คือรหัสแบบระบุเวอร์ชันที่อยู่เบื้องหลัง jev-latest และ jev-preview ให้ถือว่าโมเดลแชตหรือโมเดลให้เหตุผลอื่นทั้งหมดเป็นคนละประเภท แม้จะอยู่ในเวิร์กโฟลว์โดยรวมเดียวกัน
RLCD คือวิธีฝึกที่ TypeSafe ใช้เรียกโมเดลประเภทนี้ ไม่ใช่สวิตช์ที่ส่งไปในคำขอ คุณยังคงเขียนคำสั่งและเกณฑ์ รวมถึงรวมคำตอบในโค้ด ความแตกต่างอยู่ที่เป้าหมายการปรับค่าน้ำหนัก: การตัดสินใจที่ผ่านการปรับเทียบ ไม่ใช่โทเค็นแชต ด้วยเหตุนี้เอาต์พุตจึงเป็น Choice, Score หรือ Noul แทนย่อหน้า
เก็บโมเดลแชตไว้สำหรับงานเขียน และใช้ Jev สำหรับจุดที่ต้องเลือกทาง ทั้งสองใช้เวิร์กโฟลว์ร่วมกันได้ แต่ไม่ควรใช้พรอมต์ร่วมกัน การแยกหน้าที่นี้คือหัวใจของการวางโมเดล System One ไว้ข้าง LLM
Kahneman เป็นที่มาของชื่อ ไม่ใช่โหมดรันไทม์ คุณยังต้องเลือก Choice, Score หรือ Noul ด้วยตนเอง
แหล่งที่มา