Jevを「分類器」ではなく、確率モデルの部品として見る

はじめに 最近、TypeSafe AIから公開されたJevについて考えている。 Jevを最初に見たときは、「LLMよりずっと軽くて速い分類器」という理解だった。自由に文章を書くモデルではなく、与えられた状態を見て、Choice、Score、Noulのような型付きの判断を返す。 たとえば、ある問い合わせが請求なのか不具合なのか、緊急度は高いのか、人間へエスカレーションすべきなのか、といった判断を確率つきで返す。 TypeSafe自身もJevを、非構造な状態を受け取り、型のついた確率的な判断を返すモデルとして説明している。 これはその通りなのだが、しばらく考えているうちに、Jevを単なる高速分類器として見るのは少しもったいない気がしてきた。 むしろ本質は、自然言語やJSONのような非構造情報から、人間が意味を理解できる確率変数を取り出せることではないだろうか。 この見方をすると、JevはAge

[mayumayu_nimolove]

途中の計算はいいから効果的なユースケース教えろってのが大半。絶対情報屋がまた湧くぞ。

[pecan_fudge]

Embeddingの代替として、単なる類似度から「意味の定義された確率」に変える発想が面白い。LLMではコストで諦めていた大量のテクスト精査も、不確実性を保持したまま外側のモデルに統合できそう。

[kei_1010]

数理向けモデルは、自然言語（非構造データ）を食べられないからJevが役に立つよね。

[georgew]

なかなか興味深い解釈。Jevは機械学習への先祖返りというか親和性が高いと自分も感じたので。

[hesopenn]

「Jevを強い事前知識を持ったsemantic sensorとして使い、その出力を自分のデータで補正する。」というあたりがよさそう。Jevの出す確率自体はそのまま使えないようだし（サイコロに対して80%ぐらいの確信度）。

[m4fg]

確率変数のまま扱ってやればベイズ推定とかにも応用しやすい、と。レコメンドエンジンとかと合わせると面白そうだな

[hasiduki]

わからない！！！！！！！数理モデル向けに学習したjevがあるならそうだろうけど！！！！！！！！！数理向けモデルはインターフェイもそれらしいからjev必要かなあ！？？？？？！！？？

[omega314]

wakaru

[Ampelix]

前からAIのモデルをどれだけスペックダウンして載せられるか、どれくらいのモデルをどこで使うべきかという議論をしているので、助かる記事

[otihateten3510]

より人間っぽくなるな　確率を確率のまま使うってことね