跳到主要內容
Lab Grimoire
TW EN
請喝咖啡

0 / 5 篇已讀

從第 1 篇開始 決策模型是什麼:Jev、Clef 與只做選擇的 AI
  • 點樹枝往裡走
  • 點葉子開文章
  • Esc回上一層

認識 AI 模型

5 篇

核心路徑 — 建議循序閱讀

  1. 01 決策模型是什麼:Jev、Clef 與只做選擇的 AI 決策模型接收狀態與事先列好的選項,一次前向計算就回傳每個選項的機率,不生成文字、也不必解析輸出。它和讓 LLM 輸出 JSON 不同:後者仍逐 token 寫出答案。本文整理 Jev 與 Clef 的 2026-10 現況、我們在 77 篇論文上的實測,以及什麼時候不該用它。 約 6 分鐘
  2. 02 一次前向就給機率:決策模型的原理與訓練 決策模型不把答案逐 token 寫出來。讀完輸入後,它只取事先列好的選項 logit,用 softmax 一次變成各選項的機率,不必再解析文字。Jev 公開的訓練只到名稱 RLCD、自製資料與校準過的決策機率,架構與損失沒有公開。開源複製品則公開決策頭、LoRA 或正確計分規則的對照。 約 7 分鐘
  3. 03 機率能信嗎:用 77 篇 PubMed 論文檢驗決策模型 決策模型回傳的機率不能直接當成有多大把握。高分只代表分數如何分到選項上;校準要看被給到同一分數的案例裡,實際答對的比例是否接近那個分數。本文說明怎麼做這項檢查,以及門檻為什麼必須同時看覆蓋和作答準確率,而不能只靠單一篇摘要上的數字。讀者可以據此決定要不要採用。 約 13 分鐘
  4. 04 在 Mac 上跑決策模型:題目設計與本機部署 要在自己的機器上用決策模型,題目要一題只問一件事,選項互斥並留一個「其他」。本文說明九類研究類型怎麼寫,以及 2026-10-11 在一台 Mac 與一台 NVIDIA 工作站上跑 Clef-flash 的速度、一致性,與如何避免長輸入被靜默截斷。 約 12 分鐘
  5. 05 讓 Agent 先問再做:用決策模型守門與選型 要用決策模型替 Agent 的工具呼叫守門或做路由,規則先判底線,模型只能收緊、不能放寬。本文用 2026-10-11 在一台 Mac 與一台 NVIDIA 工作站上的 20 筆合成測資,比較託管、開源權重與自己讀 logit,並分開標出廠商自報與我們的實測。 約 6 分鐘