Type Safe.AIは最初のモデルJevを発表しました。これはLLMとは異なるSystem Oneモデルです。LLMが次のトークンを予測してテキストを生成するのに対し、System Oneモデルは状態を評価し、構造化された回答を生成します。JevはRLHFではなくRLCD（キャリブレーションされた決定のための強化学習）を使用し、モデルに決定と確率を返すよう訓練します。

入力は状態です—コンテキストと質問。それは「PIN番号を変更することは可能ですか？」のような単純なメッセージ、フィールドを持つJSONオブジェクト、またはメッセージの配列です。ベストプラクティスは、明確なフィールド名を持つオブジェクトを使用することです。

質問はプリミティブを使用して回答されます：Choiceは事前定義されたオプション（例：配送、請求、アカウントアクセス）、Scoreは順序付けられた値（例：ネガティブ、ニュートラル、ポジティブ）、Noulははい/いいえです。モデルはすべての値の確率を返し、信頼レベルを提供します。

信頼は意思決定に不可欠です。自動返信の場合、モデルが高い信頼でリクエストを分類すれば、自動応答できます。不確かな場合はエスカレートできます。これによりJevは分類やLLM-as-a-judgeタスクに適しています。

主要エンティティ：企業：Type Safe.AI、OpenAI

FAQ：System OneモデルはLLMとどう違うのですか？

System Oneモデルは状態を評価し、確率を伴う構造化された回答を生成しますが、LLMは次のトークンを予測し、自由形式のテキストを生成します。彼らは異なるポストトレーニングアプローチを使用します：キャリブレーションされた決定のためのRLCD対人間の好みの調整のためのRLHF。

FAQ Q：System OneモデルはLLMとどう違うのですか？

FAQ A：System Oneモデルは状態を評価し、確率を伴う構造化された回答を生成しますが、LLMは次のトークンを予測し、自由形式のテキストを生成します。彼らは異なるポストトレーニングアプローチを使用します：キャリブレーションされた決定のためのRLCD対人間の好みの調整のためのRLHF。