- Tian2026-09-19
浅显的理解，这个核心是一个通用分类器。传统分类器要么准确度有点问题，要么在不同场景下可能要专门训练。而这个相当于结合了LLM的语义理解能力，同时能够快速适配不同场景。
所以我觉得，可能一些常见场景，比如垃圾邮件分类、工具选择，这一类东西可能会有用。
当然，如果场景过于常见，其实可能也值得专门训练一个分类器模型。目前我看到X上比较有用的，感觉还是Computer Use以及browser use这些，因为组件动态变化，传统的BERT这类模型不是很好训练，可能会用这个新的模型，效果会比较好。
对比大语言模型做分类，我理解核心优点就是速度快。传统大模型是自回归架构，所以泛用性也很好，可以做各种分类，吐JSON、吐出choices都完全可以做到。但是它的架构决定了它速度不会那么快。另外一个点可能是奖励函数的差异。这个模型的奖励函数看起来是直接锚定最终准确率来做的，也许后面在分类上能达到更高的准确率吧
主楼 - bifang2026-09-19
我理解应该就是一个带了点智慧的快速决策分类器？
- 唐洛2026-09-19
- ROOT942026-09-19
看了X上的帖子，发现jev帮助太大了
LLM 负责创作 → Jev 决定下一步该怎么做。
研究分类、分配任务、网页游戏自动化等等，看看佬们有哪些使用场景推荐呢？
目前申请下来了，想看看怎么用？
另外这是他人jev使用场景：Awesome Jev — 拿到 Jev，然后呢？，可以看下求推荐使用场景。
…