Jev: System One models for Prod, not God — with Diogo — InstructGPT 作者 Diogo Almeida 推出 Jev，主张用

• RLCD 是 Jev 的核心：Diogo 认为 RLHF 带来幻觉、谄媚和永久依赖人类，RLVR 只解决可验证任务且加剧能力参差；他提出 Reinforcement Learning for Calibrated Decisions，优化「System One 任务上带认知诚实概率的答案」。对 agent 的含义：可靠性应来自校准概率，而非人类打分。
• 「最苦教训」：任务与数据胜过算力：他称 ML 最重要的部分不是 ML，选对北极星（如被集成进工具调用而非用户点赞）会让其余环节自然对齐。对工具链的含义：先定义可测量的小决策，再谈模型规模。
• Jev 面向软件而非聊天：目标是「消失在背景里」，像 regex 一样不起眼；官方指南覆盖 coding agent、linting、压缩工具调用，并强调结构化状态替代巨型 prompt。对开发者的含义：把 AI 工作流拆成小、可测量的决策，而非单一模型架构。

原文：Jev: System One models for Prod, not God — with Diogo Almeida, CEO, TypeSafe AI · 作者 Latent Space