不做聊天只做判断：Jev 决策模型

大语言模型（LLM）通常以语言作为输出，但在很多实际任务中，它们被要求做的是判断或分类，而不是写文章、聊天。用户提供一段输入，要求模型给出评分、是/否答案或最合适的类别等。几周前发布的新模型 Jev 正是瞄准这一角色：它速度极快、成本极低，并且只专注决策任务——连一句话都写不出来，却能非常快地完成分类和归类。

输入仍是文本，输出只有数字

Jev 的工作方式是这样的：它仍然接受文本输入，但只输出浮点数。这些数字就是对用户定义的“是/否”问题、选项列表和评分请求的“回答”。Simon Willison 对 Jev 做了简明总结，并解释了这类新模型为什么值得关注。

社区迅速跟进

这个想法流行得很快。已经有人开始制作自己的决策型模型和实验，Kev 与 Nimble 就是两个例子。Nimble 最近被加入 Ollama 的受支持模型列表，而且体积足够小，可以相对轻松地在本地运行。

如果这类本地 AI 模型正是你实现某个想法所缺的一环，Hackaday 也欢迎通过 tips line 分享。