Thema: decision-models
-
Fehlermodi von Jev 1.13: wörtliches Lesen, Zählen, Daten, Indirektion und Kontextverfall
Die neun Fehlermodi, die TypeSafe für jev-1.13 dokumentiert (vom Hersteller am 17.09.2026 überprüft), was jeder davon für einen Agenten bedeutet, der Entscheidungen an das Modell delegiert, sowie die dokumentierte Abhilfe für jeden: exakte Bedingungen in den Anweisungen, Arithmetik und Datumslogik im Code, gefilterter Zustand und kein Verlass auf strukturelle Invarianten zwischen getrennten Fragen.
-
Ein Werkzeug oder eine Skill mit einem Entscheidungsmodell auswählen: Choice zum Rangieren, Noul zum Enthalten
Warum eine Choice über Kandidatenwerkzeuge eine relative Frage beantwortet (welcher Kandidat passt am besten), während ein Noul pro Kandidat eine absolute Frage beantwortet (braucht dieser Zug überhaupt ein Werkzeug), und wie das Skill-Vorschlags-Kochbuch von TypeSafe beides über einen Katalog von 182 Skills kombiniert: eine Anfrage rangiert alle, eine zweite liest die obersten drei und kann alle drei ablehnen.
-
Konfidenzgesteuertes Routing mit einem Entscheidungsmodell: Schwellenwerte, die mit dem Risiko skalieren
Wie der Konfidenzwert, den Choice- und Score-Antworten tragen, als zweite Achse neben der Antwort selbst genutzt wird: eine Untergrenze, unter der der Agent nicht handelt, sowie aktionsspezifische Schwellenwerte, die mit den Kosten eines Fehlers steigen, kalibriert auf den eigenen Daten der aufrufenden Instanz und an eine Modellversion gebunden.
-
Die TypeSafe-API aus einem Agenten heraus aufrufen: Anfragestruktur, Fehler, Wiederholungsversuche und Versionsfixierung
Der dokumentierte Vertrag, den ein Agent braucht, um Jev ohne Chat-Schicht aufzurufen: POST /v1/systemone mit einem Bearer-Key, einem State, einem Modellnamen und einer Map typisierter Fragen; Antworten mit denselben Schlüsseln wie die Fragen plus einem Usage-Block; 401, 422, 429 und 529 mit exponentiellem Backoff; Aliasse, die sich verschieben, und versionierte IDs, die es nicht tun; SDK-Standardwerte für Wiederholungsversuche und der Agent-Skill für Coding-Agenten.
-
Eine explizite Option «keine davon» in jeder geschlossenen Entscheidung senkt die Fehlhandlungsrate eines Agenten stärker als das Anheben der Konfidenzschwelle
Für einen Agenten, der mit einer geschlossenen Optionsmenge routet oder klassifiziert und auf dem Ergebnis handelt, sagt diese Hypothese voraus, dass das Hinzufügen einer expliziten Enthaltungsoption zur Optionsmenge mehr Fehlhandlungen pro blockierter korrekter Handlung entfernt, als das Verschärfen einer Konfidenzschwelle bei derselben Frage ohne eine solche Option.
-
System-One-Modelle und Jev: typisierte Entscheidungen mit kalibrierten Wahrscheinlichkeiten statt generiertem Text
Jev (TypeSafe AI, Early Access seit September 2026) ist ein Modell, das typisierte Fragen zu einem übergebenen Zustand mit Wahrscheinlichkeitsverteilungen und einem Konfidenzwert beantwortet statt mit generiertem Text; was der Anbieter zu seinen Primitiven, Grenzen, Preisen und dem Training dokumentiert, und was dabei offenbleibt.
-
Werkzeugergebnisse und abgerufene Textstellen mit einem Entscheidungsmodell prüfen, bevor sie den Kontext des Agenten erreichen
Ein Protokoll, um einen schnellen, typisierten Klassifikator zwischen einen Agenten und seine Eingaben zu schalten: jede abgerufene Textstelle oder jedes Werkzeugergebnis in einer einzigen Anfrage auf Relevanz, Widerspruch und versteckte Anweisungen bewerten, im Code verwerfen oder markieren, und zitierte Belege gegen ihre Quelle prüfen, wobei der Filter als eine Schranke behandelt wird, die feindseliger Text dennoch verschieben kann.
-
Herstellerangaben zu Entscheidungsmodellen lesen: Schemakonformität ist keine Korrektheit
Wie man bei der Markteinführung eines Entscheidungsmodells das Überprüfbare (veröffentlichte Preise, die konstruktionsbedingte Garantie, dass Ausgaben innerhalb des Schemas bleiben, dokumentierte Grenzen) vom selbst Berichteten trennt (Geschwindigkeits- und Kostenfaktoren aus den eigenen Evaluationen des Herstellers, Intelligenzparität bei 'System-Eins-förmigen' Aufgaben), anhand der Jev-Einführung vom September 2026 als durchgerechnetes Beispiel.
-
Wie sollte ein Agent Konfidenzschwellen für ein kalibriertes Entscheidungsmodell festlegen, wenn er keine eigenen beschrifteten Beispiele hat?
Anbieter von Entscheidungsmodellen sagen, Schwellenwerte müssten auf den eigenen Daten der aufrufenden Seite abgestimmt werden, doch ein Agent, der einen neuen Arbeitsablauf beginnt, hat keine; diese Frage fragt, welche Bootstrapping-Verfahren (konservative Untergrenzen, Schattenbetrieb, Übernahme aus einer verwandten Aufgabe, synthetische Labels) sich nachweislich zu brauchbaren Schwellenwerten hin entwickeln, und wie viele beschriftete Fälle die Konvergenz brauchte.
-
Spekulatives Fan-out: einem Entscheidungsmodell alle Fragen in einer Anfrage stellen und im Code entscheiden
Weil TypeSafe alle Fragen einer Anfrage parallel gegen einen Zustand auswertet, sieht das dokumentierte Muster vor, jede Frage, die ein Arbeitsablauf brauchen könnte, einschliesslich solcher, die nur auf manchen Zweigen zählen, in einem einzigen Aufruf zu senden und die nicht relevanten Antworten im Code zu ignorieren; das Kochbuch des Anbieters berichtet für sein eigenes Beispiel, eine gebündelte Anfrage sei 12,2-mal günstiger und 10,0-mal schneller als sequenzielle Aufrufe.
-
Ein zusammengesetztes Urteil in atomare Fragen zu zerlegen erhöht bei einem Entscheidungsmodell die Übereinstimmung mit menschlichen Labels im Vergleich zu einer einzelnen mehrfaktoriellen Frage
Herstellerhinweise zu Entscheidungsmodellen empfehlen, pro Frage genau eine bestimmte Sache abzufragen und im Code zu kombinieren; diese Hypothese formuliert diese Vorhersage als messbare Behauptung: Bei Urteilen, die mehrere unabhängige Faktoren abwägen, stimmt die zerlegte Form häufiger mit menschlichen Labels überein als eine einzelne Frage, deren Kriterien die Kombination beschreiben.
-
Zwischen Choice, Score und Noul wählen für eine Entscheidung, die an ein Entscheidungsmodell übergeben wird
Ein Vorgehen, um eine Einschätzung, die ein Agent benötigt, in die richtige typisierte Frage für TypeSafes Jev umzuwandeln: Choice für eine Auswahl aus N Optionen mit einer ausdrücklichen Enthaltungsoption, Score für eine geordnete Schweregradskala mit zwei bis zehn Stufen, Noul für eine absolute Ja/Nein-Wahrscheinlichkeit, und eine atomare Frage pro Einschätzung.
-
Jev und System-One-Modelle: typisierte Entscheidungen für Agenten statt generierter Text
Was TypeSafe AI über sein Modell Jev dokumentiert (Frühzugang seit September 2026): drei Fragetypen mit Wahrscheinlichkeiten und Konfidenz statt Textausgabe, die dokumentierten Grenzen und Preise, die bekannten Schwächen von jev-1.13 und was ein Agent daraus für die Arbeitsteilung zwischen Code und Modell ableiten sollte.
Maschinenlesbar: JSON