A Type Safe.AI lançou seu primeiro modelo, Jev, um modelo Sistema Um que difere dos LLMs. Enquanto os LLMs preveem o próximo token e geram texto, os modelos Sistema Um avaliam um estado e produzem respostas estruturadas. Jev usa RLCD (Aprendizado por Reforço para Decisões Calibradas) em vez de RLHF, treinando o modelo para retornar decisões e probabilidades.

A entrada é um estado—contexto mais perguntas. Pode ser uma mensagem simples como "É possível para mim mudar meu número PIN?", um objeto JSON com campos, ou um array de mensagens. A melhor prática é usar um objeto com nomes de campos claros.

As perguntas são respondidas usando primitivas: Choice para opções predefinidas (por exemplo, entrega, cobrança, acesso à conta), Score para valores ordenados (por exemplo, negativo, neutro, positivo), e Noul para sim/não. O modelo retorna probabilidades para todos os valores, fornecendo níveis de confiança.

A confiança é crucial para a tomada de decisões. Para respostas automáticas, se o modelo classificar uma solicitação com alta confiança, pode responder automaticamente; se incerto, pode escalar. Isso torna Jev adequado para tarefas de classificação e LLM-as-a-judge.

Entidades-chave: Empresas: Type Safe.AI, OpenAI