一个新的名为Jev的人工智能正席卷全球。但为什么我们要为一个甚至无法撰写文本的AI系统感到兴奋呢？它通过互联网正常运行，所以让我们试着将事实与炒作区分开来。好的，它确实不写文本。相反，它是做决策的：一个问题和一些选项输入进去，一个答案就出来了。这有点像《谁想成为百万富翁？》，但你不需要等待[音乐]那个答案，它会瞬间弹出，速度比我们要今天的聊天机器人快约200倍。这非常有用。你也可以用它玩电子游戏，太棒了。
问题是世界状态，而潜在的答案是你可采取的行动。如果它极快，就可以实时进行游戏操作。但这还只是开始。大型语言模型（LLMs）相对较慢，所以当你用超级智能AI编写代码时，一切都需要很长时间。但在过程中，你也会面临一些简单的决策：打开哪个文件？哪些失败至关重要？重试还是继续前进。这就是Jev能帮上忙的地方，将这些决策卸载给Jev并几乎瞬间解决它们。
在某些情况下，它可以显著加速像寓言般的AI系统，甚至减少令牌使用量，使事情变得更便宜、更快。这太棒了。现在，没有研究论文，但你们这些学者可能会说：“好吧，这是一个分类器，一个距今约90年的历史悠久的想法。”那么这里有什么新东西呢？首先，没有官方研究论文。网站上只有高层描述，但这并没有阻止我们学者进行研究，对吧？
现在，抓紧你们的论文吧，各位学者。来吧，这次要更有感觉。“抓紧你的论文[音乐]让智慧流淌。抓紧你的论文。科学抓住了你的灵魂。[音乐]抓紧你的论文。未来今晚之星升起，而那位展现火花的人让梦想得以延续。”顺便说一句，现在我们说的是真正的歌曲。所以类似的想法已经被探索了很多年。
有一些在精神上惊人相似的开放论文，我们在这里庆祝惊人的科学和研究成就。所以我想向这些早期开放工作的科学家们致以大大的感谢。Jev的基本想法当然不新，但Jev还结合了三个要素：一是专为决策而非生成令牌构建的新架构；二是它同时评估所有可能的答案，而不是一次一个。他们称之为并行采样；三是新的训练方法，称为RLCD（置信度校准），其中AI的置信度大致与其正确率相匹配。
所以如果[清嗓子]它说有80%的把握，那么它在100次中应该有约80次是正确的，而不是总是正确。为什么这很好呢？这样你就可以查看置信度值并决定何时信任它或回退到更重、更智能的模型。再次强调，类似的想法已经被探索了很多年，但这种组合方式是一种令人难以置信的组合，为我们提供了一个真正有用的新工具。太棒了。
你们这些学者也在推出它的开源实现版本，这是开放科学的最佳体现。你们太棒了。现在，让我们保持冷静，将事实与炒作区分开来。它很棒吗？是的，它是接近快速本地AI的一步之遥，这种技术我们将永远拥有。现在，它是否也被炒作和病毒式营销严重夸大？是的。它是新的吗？部分是好的。
我花了比平时更长的时间为你制作这个视频，这对浏览量来说不太好，但我这样做是为了更加简洁。查阅相关论文，看看你们这些学者在实践中如何使用它。那才是对你更好的视频。订阅并点击铃铛以获取更多论文内容。我经常使用Lambda在几分钟内复现AI研究论文，它也非常适合训练你自己的模型或微调现有模型。运行推理、文生图或视频生成，易如反掌。
运行DeepSeek聊天机器人或智能体也超级快速、可靠。Lambda为你提供强大的Nvidia GPU来运行你自己的实验。我测试我所涵盖论文中的想法，片刻之后就能看到结果。太棒了。说真的，现在就在lambda.ai/papers试试。Ei peepers（Lambda Papers的谐音梗）。