Type Safe.AI lanzó su primer modelo, Jev, un modelo de Sistema Uno que difiere de los LLM. Mientras que los LLM predicen el siguiente token y generan texto, los modelos de Sistema Uno evalúan un estado y producen respuestas estructuradas. Jev utiliza RLCD (Aprendizaje por Refuerzo para Decisiones Calibradas) en lugar de RLHF, entrenando al modelo para devolver decisiones y probabilidades.

La entrada es un estado: contexto más preguntas. Puede ser un mensaje simple como "¿Es posible que cambie mi número PIN?", un objeto JSON con campos, o un arreglo de mensajes. La mejor práctica es usar un objeto con nombres de campos claros.

Las preguntas se responden usando primitivas: Choice para opciones predefinidas (por ejemplo, entrega, facturación, acceso a la cuenta), Score para valores ordenados (por ejemplo, negativo, neutral, positivo), y Noul para sí/no. El modelo devuelve probabilidades para todos los valores, proporcionando niveles de confianza.

La confianza es crucial para la toma de decisiones. Para respuestas automáticas, si el modelo clasifica una solicitud con alta confianza, puede responder automáticamente; si no está seguro, puede escalar. Esto hace que Jev sea adecuado para tareas de clasificación y LLM-as-a-judge.

Entidades clave: Empresas: Type Safe.AI, OpenAI