亚马逊发布自家 Jev 克隆，决策模型正涌入网络

亚马逊云科技（AWS）发布了一款开源决策模型，灵感来自 TypeSafe 的 Jev。越来越多 AI 开发者正在寻找比前沿大语言模型更适合计算机自动化的智能。 亚马逊的 Strands Decider 2B 与 OpenAI 宣布类似产品的同周发布，它提供了一种高速、低成本的方式，可在预先确定的选项中做出筛选，并给出模型对所选答案的置信度。该模型完全开源、现已可用，而且小到足以在本地运行。 亚马逊杰出工程师 Marc Brooker 在看到 Jev 后萌生了该项目，并尝试构建自己对这类模型的理解。这个自制项目相当成功——曾在同规模模型的 Jevbench 排行榜上短暂登顶——于是亚马逊工程师将其整理完善，并作为 Strands Labs 的产品发布。Strands Labs 是一个为部署 AI 智能体开发新工具和协议的组织。 Brooker 表示，这类工具的需求来自与 AWS 客户的交流。这些客户的智能体工作流并不总是需要全功能大语言模型的能力或成本。 “最初让我对这类模型产生兴趣的是，它们非常适合充当工作流步骤中的决策器——‘根据我当前所处的位置，我接下来该做什么？’”Brooker 对 TechCrunch 说。他表示，这为客户提供了“一种可以构建得更可靠的工作流步骤：得益于置信度分数，得益于封闭的答案域，并且具有更低延迟、可能更低的成本。” 与其他决策模型一样，Strands Decider 构建在大语言模型的“躯干”之上，此处为 Qen3.5-2B，但它不是生成文本，而是给出经过校准的选择。TypeSafe 以经济学家威廉·斯坦利·杰文斯（William Stanley Jevons）的名字将其模型命名为 Jev，希望援引他的理论：某种东西——比如计算机智能——成本下降，实际上可能增加其需求。 自 TypeSafe 首次提出这一构想以来，研究人员已产出数十个类似模型，这既显示出广泛的兴趣，也引发了它们价值几何的疑问。Brooker 认为，挑战在于优化模型快速决策的能力，同时不损害其智能。 “需要找到一种非常谨慎的平衡：你希望提升其在此类任务上的准确性和校准表现，同时又不降低其理解不同语言、保有既有知识的能力，而正是这些让它具备通用性、有趣且有用。”他对 TechCrunch 说。 不过，他并不一定认为前沿实验室会主导这一领域，尤其是因为面向较小市场时，构建有趣之物的成本仅为数百或数千美元。 就 TypeSafe 而言，其高管表示他们保持低调，专注于改进未来模型。 “我明白人们认为这是一场淘金热，但他们可能低估了让模型真正变聪明有多难，”首席执行官兼创始人迪奥戈·阿尔梅达（Diogo Almeida）对 TechCrunch 表示。他说，目前他还没有看到自己的公司面临真正的竞争。 “当前这批模型看起来更像是机器学习领域的人想实现一种很酷的架构，而不是一支深入致力于让智能变得有用的团队。”