JEV — это ИА-модель, предназначенная для работы как система 1 для компьютерных программ, обеспечивающая быстрые однобарьерные решения вместо медленных разговорных выходов. Он превращает небольшой открытый LLM Qwen в быстрый текст-классификатор, заменяя его языковую модель на структурный головной Entscheidungsmodul. В отличие от больших языковых моделей, которые генерируют длинное рассуждение (мышление системы 2), JEV выдает чистые, машинно-читаемые команды вроде [CATEGORY: LETTER, CONFIDENCE: 98%] мгновенно. Это мост между жестким правил-based программированием и тонким пониманием ИИ. Вдохновленный системами мышления Даниэля Канемана из книги "Думыть быстро и медленно" (2011), JEV позволяет разработчикам создавать "умные if-выражения" для реальных приложений, где скорость и надежность критически важны. Убирая разговорный мусор, JEV использует интеллект LLM для быстрых и предсказуемых решений без ожидания полной генерации текста. Подход идеален для задач высокой пропускной способности и низкой задержки, требующих точной классификации реальных данных. JEV сохраняет понимание модели, но исключает непредсказуемость вариаций формулировок. Это переход к ИИ, который интуитивно мыслит и действует немедленно, что делает его подходящим для производственных систем, где задержка неприемлема. Первоначальная публикация появилась на Towards Data Science, детализируя, как реализовать JEV с помощью открытых LLM для практического интеграции ИИ.