Jevはチャットや記事作成、直接のコード生成には適していません。自由なテキスト生成機能がなく、あらかじめ定義された選択肢やレベル、無条件の状況内で素早い判断に優れています。文字を無理に多くの選択肢に分割することは理論上テキストを綴ることもありますが、その効果は低く、速度も遅く、製品設計と矛盾しています。
正しい使い方は、JEVに生成モデルを置き換えさせることではなく、生成プロセスの前後にモデルを配置することです。つまり、生成前と生成後にどのモデルやツールを呼び出すかを決め、結果が準拠しているか、手動でレビューが必要かどうかを判断することです。
構造化された結果を出力することがまだ有用な理由
多くのソフトウェアステップは、良い答えではなく、プログラムが実行できる選択肢を求めています。カスタマーサービスシステムはチケットがどのキューに送られるかを知りたがり、リスク管理システムはリスクレベルを知りたがり、エージェントは特定のスキルに電話をかけるかどうかを知りたいのです。これらのタスクの候補者回答はすでに限られており、テキストを生成して解析すると、実際に失敗ポイントが増えます。
JEVは自由に表現できるアシスタントというよりは、確率的な能力を持つ知的判断機能に近いものです。
こうしたニーズは別のツールに置き換えるべきです
- 記事、メール、要約の作成:生成型大規模モデルを用いて、Jevはコンテンツ分類やリスクスクリーニングを担当できます。
- コード生成:コードモデルやプログラミングエージェントを用いて、JEVはタスクタイプを決定し、ツールを選択し、戦略をレビューできます。
- 継続的な対話:チャットモデルによってコンテキスト的に維持されるJEVは、各ラウンドの背後に意図をルーティングするのに適しています。
- 画像、音声、ビデオ:まずマルチモーダルモデルをテキストまたは構造化フィールドに変換します。JEV 1.13はテキストのみを受信します。
- 精密計算:コードで直接完了するモデルは、ハードコーディングが難しい意味条件のみを判断します。
どちらか一方を選ぶよりも、両者を組み合わせる方が合理的です
例えば、カスタマーサービスロボットがメッセージを受け取ると、JEVはまず部署、緊急性、人間の介入が必要かどうかを判断します。通常の問題ではチャットモデルが回答を作成し、高リスクの問題では内部要約のみが生成され人間に転送されます。このようにして、JEVは回答の作成を担当せず、生成モデルは高リスクの行動だけを決定しません。
プログラミングエージェントも同様で、Jevはスキルリストから最も関連性の高いアイテムを選択でき、コードがツールを読み込み、コードモデルが修正を行います。各モジュールは自分の得意分野だけを発揮し、システムは「一つのモデルに全プロセスを任せる」よりもテストや保守が容易です。
JEVのクイックメソッドを使うかどうか決めてください
まず自分に問いかけてください:結果を事前に限定オプションとしてリストアップし、コードがそれに応じて動作することは可能でしょうか?もし答えが「はい」なら、Choice、Score、Noulを設計できます。「いいえ」なら、特に原文やオープン推論、未知の存在が必要な場合は、生成モデルが処理すべきです。速くて安価だからといって、意思決定モデルに属さないJEVタスクを強制しないでください。
