Realtime-Bench：Jev 响应最快，但准确率仅 8%
Realtime-Bench 的关键发现：最佳模型 GPT-6-Astra 得分 36%；Jev 在 1 秒内作答，是最快模型但得分 8%。推理增强仅在时钟暂停时有效，真实时钟下慢思考反而失去优势，且即使时间冻结，许多任务仍未解决。
THE JEV GUIDE · CURATED EDITION
科研.
TypeSafe Jev 的发布、原理、演示与社区实践，按主题整理。每条内容都可回到 X 原帖核对。
人工精选 · 非全量收录 · 手动更新
6757条已收录内容
3414条原帖视频
Sponsors
这些产品赞助了本目录。 把你的产品放上来
alphaXiv 发布 4B 决策模型并与 Jev 对比
alphaXiv 称基于 117k 个决策示例训练 4B 模型，除讽刺检测外与 Jev 表现几乎一致，并在仇恨言论严重程度等未见任务上有泛化能力。
Decision Bench 结果：Jev 1.13 对比 Clef Omni
Wasim Jalali 分享 Decision Bench 第9天结果：Clef Omni 以87.2%准确率位居8个模型之末，对比 Jev 1.13 的隐藏问题数和噪音处理。该模型较保守，留下大部分噪音。
Jev 在困难案例上落后于前沿 LLM
独立测试显示，Jev 在安全分类和工具路由上与 LLM 持平，但在开放任务上落后。
零私有数据训练，模型在护栏测试中超越Jev
Carlos Muñoz Ferrandis发文称，仅用一周时间、两张A100和公开数据集与合成回复，就在8项公共护栏基准中的6项超过Jev，平均AUROC为0.936对比Jev的0.934，单张A100上延迟90毫秒。
信息流里每 16 张、每一页都有一张。每周 $50，任意一周可停。
腾讯论文对比Jev与主流大模型
该帖子引述腾讯研究论文，评估Jev在选项顺序变化下的判断能力，结果显示Jev在可解决问题上常出错，与作者经验相符。
用 Jev 标记扫描论文中待复查页面
用户设想将 Jev 用于处理研究生的扫描论文文件夹，自动识别含公式的页面并标记需要二次检查的部分。 链接
用 Jev 分类机器人建模论文
Ben Kolligs 使用来自 @typesafe 的 Jev 模型对机器人建模论文的标题和摘要进行分类，发现 VLA 模型论文占比从 2023 年的约 10% 上升到 2026 年 1–9 月的 38%，世界模型从 9% 到 18%。
关于LLM校准的有趣想法：Jev与决策模型讨论
在Latent Space播客中，swyx讨论了Jev和决策模型时提到了LLM校准的一个罕见话题，强调了人们可能不知道或不理解的校准元素。
Jev引发的决策模型对比研究
作者在论文中比较了基于#Jev的新决策模型与本地小模型，指出在少量示例时API更有优势，数据量增加后对比结果会变化。 链接
Decision Bench 第5天：Jev 1.13 与微软模型激烈角逐
帖子报道了 Decision Bench 第5天的结果：Microsoft-Decision-1 以 96.4% 的准确率领先，而 Jev 1.13 仅以一项检查之差紧随其后，并提及隐藏问题数量与噪声评论成本。
Jev在多答案任务中的概率分配研究
帖子分享了一项关于多答案任务中模型行为的研究：模型能把正确选项排在干扰项前，却仍可能给部分正确项过低的概率。论文在MetaTool、HotpotQA和ECtHR上评估了Jev等模型。 链接
