huangserva

huangserva

@servasyy_ai最近同步 9/19/2026, 12:47:00 AM

古早程序员 | AI出海 | 自由职业 机车游侠&机速购&骑享租创始人 15年前 freelance 起步 → 连续创业者 → 亏过1个亿,逆风翻盘中 分享创业,AI,读书,生活,健身 Official X channel of SERVASYY LLC

7日排名
#502
总粉丝
39.1K
7日涨粉
+329
7日发帖
29
7日曝光
313K
帖均曝光
10.8K

Ranking History

Today’s rankings update in real time. Historical records retain daily top-five entries for growth, posts, and reach. Click to view a poster.

No daily top-five records yet.

粉丝趋势

近30日每日已结算数据

内容表现趋势

曝光/互动与发帖量均按自然日结算

发帖趋势

近30日每日发帖量

帖均曝光趋势

每日总曝光 ÷ 每日发帖量

Participated Topics

Participated in 1 topics

View topic rankings

Jev在中文X的热度继续扩散,讨论从“为什么突然火”进一步转向模型定位和交易场景。铁锤人称自己放假期间发现Jev已经很火;郭宇认为Jev最大的用例可能是快速的超级通用分类器,可用于组织信息并作出判断,但仍需要大语言模型设计足够丰富的原语;Crypto_Painter则询问Jev是否能用于15秒到5分钟级别的短线或高频交易。相关推文显示,Jev已从AI工具圈外溢到信息分类、Agent分工和加密交易自动化想象,但目前仍主要是用户判断和应用设想,缺少可复现实测、策略回测和稳定收益证据。

Participated post: 为什么写这篇 Jev 发布不到一周,网上已经满是“快 200 倍”“永不出错”“LLM 要被取代”。我翻了大量帖子,也跑了一批用例,感受是:真把东西做出来的人不多,大多数是转发、观点和“我打算做一个……”。
Posts 1 Views 37.4KHeat 1.5K
#Jev#AI Agent#分类器

近7日爆款推文

按近 7 日曝光排序,展示前 10 条。

2
3.9万 followers
Views5.6K
这两天 被Jev刷屏,我最开始也以为它是又一个新模型。 看了一圈后,我觉得它有意思的点如下: 第一,它把“语言生成”改成了“决策原语”。 LLM 的默认接口是 chat completion,输出一段文本;Jev 的默认接口是 typed decision,输出 choice、score、probability、confidence。它不是给人读的模型,更接近一个能被程序直接调用的判断函数。 第二,它把“事后解析”改成了“天然结构化”。 过去让 LLM 做分类、路由、评分,经常是先让它生成 JSON,再校验、重试、修格式。Jev 直接在固定决策空间里返回答案,模型输出可以进入 if、switch、rank、filter、guard。 第三,它把“单次大推理”改成了“大量小判断”。 它不适合承担完整复杂任务,但很适合插在 Agent 系统的判断点里:这段记忆要不要进上下文?这个任务该走哪个模型?工具调用有没有风险?Agent 是否已经完成?这个文件值不值得继续读?这些判断数量很大,过去都被大模型硬扛。 第四,它把“答案”改成了“概率信号”。 Jev 返回的不只是结果,还有概率和置信度。系统可以根据置信度决定自动执行、交给强模型,还是交给人复核。AI 在这里不再只是一次性黑盒,而是一个能被调度的系统组件。 第五,它把“模型能力竞争”推向了“控制流竞争”。 Jev 的价值不在于比 Claude/GPT 更会写,而在于帮系统分配任务:什么时候用便宜模型,什么时候用强模型,什么时候继续搜索,什么时候停止。 接下来先做几个实验: 让 Jev 批量筛选候选记忆和检索结果,看看减少上下文时会不会漏掉关键证据; 让它参与工具和模型分流,测试低置信度时交给强模型复核是否划算; 再把 Agent 的执行检查拆成多个小问题,看看它能否及时发现遗漏要求、超出修改范围和缺少完成证据。 这几件事,分别能检验它的并行判断、概率分流,以及高频核验能力。
huangserva 的图片 1