8.4
深览指数
科技人人都是产品经理·Z Finance··AI 生成
对话 Jev 创始人：RLHF 走了大弯路，下一个时代不会属于 Claude Code
本文是 Z Finance 编译的一篇深度播客访谈。TypeSafe CEO Diogo Almeida 认为，当前基于 RLHF 和文本补全的聊天模型，其接口（文本输出）本质上不适合软件工程所需的可靠、可测与可组合，AI 的真正增量应来自供代码直接调用的「智能组件」。他由此推出了新模型 Jev，提供 choice、score 和概率等编程原语，让模型直接参与程序的条件判断与执行流程。Almeida 还尖锐批评了 RLHF 训练范式导致模型产生「模式坍缩」和过度自信，并认为安全对齐应限于产品层而非 API 层。文章适合对 AI 模型设计哲学、训练范式和 Agent 架构有深度兴趣的工程师和产品决策者。原文 ↗
核心观点
- ▍RLHF 训练范式让模型为了取悦人类而产生了「模式坍缩」，模型输出的概率分布被严重扭曲，这导致其不适合做出逻辑决策——下一个 AI 时代应属于可供程序直接调用的「系统一号模型」，而非 Claude Code 这类聊天式编码助手。
- ▍AI 的巨大增量不在生成更流畅的文本，而在于将智能嵌入软件的底层判断逻辑：开发者需要的是可测、可控、可组合的「智能接口」（如 choice、score 与概率），而非一个在字符串中推理的黑箱。
- 01Jev 提供三种编程原语：choice（对应 switch/match 枚举分支）、newel（对应 if 条件判断的连续概率）、score（用于排序与阈值比较），旨在与软件的条件判断和执行流程一一对应。
- 02Almeida 指出，当前所有 Coding Agent（包括 Claude Code 与 Codex）都受制于 KV Cache —— 为了复用缓存，系统倾向于不断追加上下文，这从根本上阻碍了任务分解、状态管理与多智能体协作。
- 03TypeSafe 提出全新的训练范式 RLCD（校准决策强化学习），目标不再是「输出正确的文本」，而是「模型在程序循环中的决策是否可靠且经过校准」。
- 04文章明确拒绝使用用户数据训练模型，因为现实世界的请求服从幂律分布，会过拟合高频场景、破坏面向未来泛化的通用能力。
- 05Almeida 在访谈中展示用 Jev 操作整台电脑：通过语音指令，Jev 可控制浏览器、搜索信息并打开应用，体现了其作为「决策核心」而非「对话窗口」的潜力。
- 06文章披露，Jev 发布一周后每日 token 处理量已突破万亿，且大部分流量来自真实业务代码调用（非用户手动测试）。
反方 / 局限
- — Almeida 承认 Jev 的校准与可靠性仍有「明显改进空间」，模型在复杂多跳推理任务（multi-hop reasoning）上表现随跳数增加而单调下降。
- — Almeida 承认「模型会犯很多错误」，并指出校准并非完美——模型可能在某个局部区域出现概率错位，目前只能通过重新设计提示词或进一步拆解问题来缓解，而非提供微调接口。
- — 当被问及 Jev 是否会被用于恶意目的时，Almeida 承认这是一个现实挑战，但他坚持「通用基础技术本身不该承担价值判断」，并认为在技术底层植入安全限制会损伤模型的通用智能。
102 分钟 · 6 卡片 · 17 资料
读原文 →