XNews

Jev:TypeSafeによる高速・構造化された「インテリジェントIf」意思決定のためのAI

Key insights

アーキテクチャとトレーニング手法

Jevは、逐次的なトークン生成ではなく並列サンプリングを使用するため、非常に高速な推論が可能です。創業者らがRLHFよりも自動化に信頼性が高いと説明する新しい手法であるRLCD(Reinforcement Learning for Calibrated Decisions)を用いてトレーニングされています。モデルはテキストではなく構造化された結果のみを出力するため、型エラーがゼロであることが保証され、幻覚(ハルシネーション)を排除します。

速度とコストの利点

Jevは70〜500ミリ秒で応答し、フロンティアLLM(3〜329秒かかる)よりも20〜200倍高速です。入力トークンのコストは100万トークンあたり0.042ドルで、出力トークンは無料であり、同等のインテリジェントLLMよりも40〜400倍安価です。公式ベンチマークでは、GPT-6 AstraとAntropic Fable 5.1を参照しています。

「インテリジェントIf」意思決定のユースケース

Jevは、テキスト生成を必要とせずAIによる意思決定を必要とする用途向けに設計されています。ワークフロー内のインテリジェントな分岐(例:カスタマーチケットの振り分け)、大規模データ処理(低コストでの数百万件の文書分類)、リアルタイムアプリケーション(ゲームAI、動的価格設定)、そしてLLM出力の形式や安全性をチェックするためのガードレールとしての役割です。各意思決定には信頼スコアが含まれます。

Source posts