📖 AI 总结

前OpenAI研究员、TypeSafe CEO Diogo Almeida推出Jev模型，提出面向校准决策的强化学习（RLCD）框架，试图解决AI智能能力与工程化落地之间的接口断层问题。他认为Codex和Claude Code仍停留在“围绕人提供辅助”的同一阶段，AI虽能解决高难度问题，却难以实现基础工作的自动化。核心瓶颈不在智能上限，而在于模型输出不可信、不可编程。RLCD通过输出可供代码直接消费的选择、评分与概率，实现不确定性量化，使开发者能依据置信阈值编排人机协作流程。他批评RLHF导致模式坍缩，使模型偏向安全常见答案而牺牲概率校准。Jev将自身定位为可像数据库一样被调用的基础设施，主张把复杂任务拆解为最小语义单元，由代码控制最终行为，并看好暗数据分析与编程Agent等应用方向。