随着决策模型充斥网络，亚马逊发布了自己的 Jev 克隆版

Amazon Web Services 发布了受 TypeSafe 的 Jev 启发的开源决策模型，人工智能开发人员越来越多地寻求比前沿法学硕士更适合计算机自动化的智能。亚马逊的 Strands Decider 2B 与 OpenAI 宣布推出类似产品的同一周发布，它是一种高速、低成本的方式，可以对预先决定的选项进行排序，并衡量其对自己选择的信心程度。该模型完全开源，现已可用，并且足够小，可以在本地运行。亚马逊杰出工程师 Marc Brooker 在见到 Jev 并试图建立自己的模型后提出了这个项目。这个自制项目非常成功——它短暂地在 Jevbench 同类规模模型排名中名列前茅——以至于亚马逊工程师对其进行了清理，并将其作为 Strands Labs 的产品发布，Strands Labs 是一家开发用于部署 AI 代理的新工具和协议的组织。 Brooker 表示，在与 AWS 客户的对话中出现了对此类工具的需求，他们的代理工作流程并不总是需要功能齐全的 LLM 的能力或成本。 “最初激起我对这类模型的兴趣的是，它们为工作流程步骤提供了完美的决策者——‘根据我所处的位置，我下一步要做的是什么？’”布鲁克告诉 TechCrunch。他表示，它为客户提供了“一个可以以更可靠的方式构建的工作流程步骤，这要归功于置信度分数、答案的封闭域，并且延迟更低，成本可能更低。”与其他决策模型一样，Strands Decider 建立在法学硕士的“躯干”之上，在本例中为 Qen3.5-2B，但它不是生成文本，而是提供经过校准的选择。 TypeSafe 以经济学家威廉·斯坦利·杰文斯 (William Stanley Jevons) 的名字命名他们的模型 Jev，希望援引他的理论，即某些东西（例如计算机智能）的成本下降实际上可以增加其需求。自 TypeSafe 首次提出其想法以来，研究人员已经制作了数十个类似的模型，这一事实表明了人们的广泛兴趣，但也提出了它们的价值有多大的问题。布鲁克表示，挑战在于在不影响其智能的情况下优化模型的快速决策。他对 TechCrunch 表示：“如果你想提高其在此类任务中的准确性和校准性能，同时又不降低其在理解不同语言和拥有现有知识方面的性能，就需要找到一个非常谨慎的平衡，这正是它具有通用性、有趣且有用的原因。”尽管如此，他并不一定期望前沿实验室能够主导该领域，特别是因为，在市场较小的情况下，构建有趣的东西的成本高达数百或数千美元。就 TypeSafe 的高管而言，他们正在低调改进未来的模型。首席执行官兼创始人迪奥戈·阿尔梅达 (Diogo Almeida) 向 TechCrunch 表示：“我知道人们认为这是一场淘金热，但他们可能低估了让模型变得真正智能的难度。”他表示，目前他的公司还没有看到真正的竞争出现。 “当前的一批机器学习人员看起来更像是想要实现一个很酷的架构，而不是一个致力于让智能变得有用的团队。”