ChatGPT 背后功臣：Almeida 推出 AI 模型 Jev，不生成文本、输出免费

9月16日，隐身两年的AI研究员Diogo Almeida正式结束隐身状态，通过其创立的TypeSafe AI发布全新AI模型Jev。这位曾在OpenAI工作、作为RLHF（人类反馈强化学习）研究核心成员推动ChatGPT诞生的技术专家，在社群平台X上被尊称为@CompleteSkeptic，此次将AI模型的定位从“文本生成”转向“结构化决策”，试图填补当前生成式AI在软件自动化落地中的核心缺口。

ChatGPT核心发明人Almeida携Jev结束两年隐身

TypeSafe AI由Diogo Almeida创立，公司成立已有2年，此次发布Jev的同时正式宣布结束隐身模式，并披露已完成由DCVC领投的4000万美元种子轮融资，折合人民币约2.69亿元。Almeida在AI领域资历深厚，是InstructGPT论文作者之一，也是RLHF技术的核心推动者，该技术正是ChatGPT能够实现对齐人类偏好、生成高质量回复的核心基础。此次推出Jev，是他两年秘密研发的成果，目标直指当前大语言模型难以大规模落地软件自动化的痛点。

Jev定义为系统一模型彻底抛弃文本生成

Jev被官方定义为“System One Model（系统一模型）”，该概念借鉴心理学中的“系统1”理论——即人类快速、直觉式的无意识判断模式，对应需要低延迟、重复执行的决策场景。与传统大语言模型以生成自然语言、代码或多轮对话为核心不同，Jev完全不生成任何自由文本或代码，所有输出均为预定义的结构化决策结果，专门面向固定选项选择、连续数值评分、布尔判断三类重复决策任务设计。Almeida在发布会上解释，ChatGPT虽然能力强大，但每次执行决策都需要先生成文本或JSON格式内容，再由软件解析执行，多出来的解析环节既增加了延迟，也提升了出错概率，正是AI无法大规模接管自动化工作的核心原因，Jev直接砍掉了文本生成这一中间环节。

三大结构化原语+RLCD训练实现高置信度决策

Jev的输出仅包含三类固定原语，由于完全不生成自由文本，理论上不存在文本幻觉问题，所有输出均严格限定在预定义的决策空间内：

• Choice（选择）：从最多255个预定义选项中选择1项，同时返回各选项的概率分布与置信度；
• Score（评分）：在用户指定的数值范围内给出评分结果并附带置信度，可用于客户流失风险分级、内容排序、批量数据标注等场景；
• Noul（布尔概率）：针对预设的是非问题返回校准后的概率值与置信度，可用于其他模型输出的二次验证、低置信度结果识别，或在自动化工作流中设置条件分支。
  底层训练上，Jev采用了TypeSafe AI独有的“校准决策强化学习（RLCD）”方法，核心目标是让模型的置信度与实际正确率严格对应，例如模型对某组预测给出70%的置信度时，理论上约70%的预测结果应当正确，彻底解决了传统大语言模型过度自信、自我评分失准的问题。同时Jev在顶层设计了硬件感知