Jev n’est pas adapté pour discuter, écrire des articles ou générer directement du code. Il manque de capacité de génération de texte libre et excelle dans les jugements rapides dans des options, des niveaux ou des situations inconditionnelles prédéfinies. Forcer à diviser les caractères en un grand nombre de Choix peut théoriquement épeler du texte, mais l’effet est faible, lent et contredit la conception du produit.
L’usage correct n’est pas de laisser JEV remplacer le modèle génératif, mais de le placer avant et après le processus de génération : décider quel modèle ou outil appeler avant la génération, et après la génération, déterminer si le résultat est conforme et si une revue manuelle est nécessaire.
Pourquoi produire des résultats structurés reste utile
Beaucoup d’étapes logicielles n’ont pas besoin d’une réponse satisfaisante, mais plutôt d’un choix que le programme peut exécuter. Le service client veut savoir à quelle file d’attente va le ticket, le système de gestion des risques veut connaître le niveau de risque, et l’agent veut savoir s’il doit appeler une compétence particulière. Les réponses candidates à ces tâches sont déjà limitées, et générer un texte puis le analyser augmente en fait les points de défaillance.
JEV ressemble davantage à une fonction de jugement intelligente avec des capacités probabilistes qu’à un assistant capable d’exprimer librement.
Ces types de besoins doivent être remplacés par d’autres outils
- Rédaction d’articles, d’e-mails et de résumés : En utilisant des modèles génératifs de grande taille, Jev peut gérer la classification de contenu ou le filtrage des risques.
- Générer du code : En utilisant des modèles de code ou des agents de programmation, JEV peut déterminer les types de tâches, sélectionner des outils ou revoir des stratégies.
- Dialogue continu : Maintenu contextuellement par le modèle de chat, JEV est adapté pour le routage de l’intention derrière chaque manche.
- Images, audio et vidéo : d’abord convertir les modèles multimodaux en texte ou en champs structurés ; JEV 1.13 ne reçoit que du texte.
- Calcul précis : Effectué directement avec du code, le modèle ne juge que les conditions sémantiques difficiles à coder en dur.
Les combiner est plus raisonnable que de choisir l’un ou l’autre
Par exemple, lorsqu’un robot du service client reçoit un message, le JEV détermine d’abord le département, l’urgence et si une intervention humaine est nécessaire ; Pour les questions ordinaires, le modèle de chat rédige la réponse, tandis que pour les questions à haut risque, seuls des résumés internes sont générés et transmis aux humains. De cette manière, le JEV n’est pas responsable de la rédaction de la réponse, et le modèle génératif ne décide pas uniquement des actions à haut risque.
Il en va de même pour les agents de programmation : Jev peut sélectionner l’élément le plus pertinent dans la liste de compétences, le code charge l’outil, et le modèle de code effectue ensuite des modifications. Chaque module ne fait que ce qu’il fait de mieux, et le système est généralement plus facile à tester et à maintenir que de « laisser un seul modèle gérer tout le processus ».
Décidez si vous allez utiliser la méthode rapide de JEV
Demandez-vous d’abord : le résultat peut-il être listé comme une option limitée à l’avance et le code peut-il agir en conséquence ? Si la réponse est oui, vous pouvez concevoir un Choix, un Score ou un Noul ; Si la réponse est non, surtout lorsque le texte original, le raisonnement ouvert ou des entités inconnues sont nécessaires, le modèle génératif devrait s’en charger. Ne forcez pas les tâches JEV qui n’appartiennent pas au modèle de décision simplement parce que c’est rapide et peu coûteux.
