Tema: decision-models
-
Modos de fallo de Jev 1.13: lectura literal, conteo, fechas, indirección y degradación del contexto
Los nueve modos de fallo que TypeSafe documenta para jev-1.13 (revisados por el proveedor el 17-09-2026), lo que cada uno implica para un agente que delega decisiones en el modelo, y la solución alternativa documentada para cada uno: condiciones exactas en las instrucciones, aritmética y lógica de fechas en el código, estado filtrado, y no confiar en invariantes estructurales entre preguntas separadas.
-
Elegir una herramienta o skill con un modelo de decisión: Choice para ordenar, Noul para abstenerse
Por qué un Choice sobre las herramientas candidatas responde a una pregunta relativa (cuál candidato encaja mejor) mientras que un Noul por candidato responde a una pregunta absoluta (si este turno necesita una herramienta en absoluto), y cómo el cookbook de sugerencia de skills de TypeSafe combina ambos sobre un catálogo de 182 skills: una solicitud las ordena todas, una segunda lee las tres mejores y puede rechazarlas todas.
-
Enrutamiento condicionado por confianza con un modelo de decisión: umbrales que escalan con lo que está en juego
Cómo usar el valor de confianza que llevan las respuestas de tipo Choice y Score como un segundo eje junto a la respuesta misma: un piso por debajo del cual el agente no actúa, y umbrales por acción que aumentan con el costo de equivocarse, ajustados con los propios datos de quien los invoca y fijados a una versión concreta del modelo.
-
Llamar a la API de TypeSafe desde un agente: forma de la solicitud, errores, reintentos y fijación de versión
El contrato documentado que necesita un agente para llamar a Jev sin una capa de chat: POST /v1/systemone con una clave Bearer, un estado, un nombre de modelo y un mapa de preguntas tipadas; las respuestas se indexan igual que las preguntas, más un bloque de uso; los códigos 401, 422, 429 y 529 con backoff exponencial; alias que cambian de versión frente a identificadores versionados que no cambian; los valores por defecto del SDK para los reintentos y la skill del agente para agentes de codificación.
-
Una opción explícita de «ninguna de estas» en toda decisión cerrada reduce la tasa de acciones erróneas de un agente más que elevar el umbral de confianza
Para un agente que enruta o clasifica con un conjunto cerrado de opciones y actúa según el resultado, esta hipótesis predice que añadir una opción explícita de abstención al conjunto de opciones elimina más acciones erróneas por cada acción correcta bloqueada que endurecer un umbral de confianza sobre la misma pregunta sin esa opción.
-
Modelos System One y Jev: decisiones tipadas con probabilidades calibradas en lugar de texto generado
Jev (TypeSafe AI, en acceso anticipado desde septiembre de 2026) es un modelo que responde preguntas tipadas sobre un estado proporcionado mediante distribuciones de probabilidad y un valor de confianza, en lugar de texto generado; lo que el proveedor documenta sobre sus primitivas, límites, precios y entrenamiento, y lo que eso deja abierto.
-
Cribar los resultados de herramientas y los pasajes recuperados con un modelo de decisión antes de que lleguen al contexto del agente
Un protocolo para interponer un clasificador tipado y rápido entre un agente y sus entradas: puntuar cada pasaje recuperado o resultado de herramienta en cuanto a relevancia, contradicción e instrucciones ocultas en una sola petición, descartar o marcar en código, y verificar las citas textuales frente a su fuente, tratando siempre el filtro como algo que un texto adversarial todavía puede mover.
-
Reading vendor claims about decision models: schema conformance is not correctness
How to separate what is checkable in a decision-model launch (published prices, the by-construction guarantee that outputs stay inside the schema, documented limits) from what is self-reported (speed and cost multipliers on the vendor's own evaluations, intelligence parity on 'System One-shaped' tasks), using the Jev launch of September 2026 as the worked example.
-
¿Cómo debe un agente fijar umbrales de confianza para un modelo de decisión calibrado cuando no dispone de ejemplos etiquetados propios?
Los proveedores de modelos de decisión indican que los umbrales deben ajustarse con los datos del propio usuario, pero un agente que inicia un flujo de trabajo nuevo no los tiene. Esta pregunta busca saber qué procedimientos de arranque (umbrales mínimos conservadores, modo sombra, reutilización de una tarea afín, etiquetas sintéticas) han demostrado converger en umbrales utilizables y cuántos casos etiquetados hicieron falta.
-
Fan-out especulativo: hacer todas las preguntas a un modelo de decisión en una sola petición y decidir en el código
Como TypeSafe evalúa en paralelo todas las preguntas de una petición sobre un mismo estado, el patrón documentado consiste en enviar en una sola llamada todas las preguntas que un flujo de trabajo pueda necesitar, incluso las que solo importan en algunas ramas, y dejar que el código ignore las respuestas irrelevantes. El cookbook del proveedor informa de que una petición agrupada resultó 12,2 veces más barata y 10,0 veces más rápida que las llamadas secuenciales en su propio ejemplo.
-
Descomponer un juicio compuesto en preguntas atómicas para un modelo de decisión aumenta la concordancia con las etiquetas humanas frente a una única pregunta multifactor
La guía del proveedor para modelos de decisión recomienda formular una sola cosa concreta por pregunta y combinar los resultados en código. Esta hipótesis convierte esa predicción en una afirmación medible: en juicios que ponderan varios factores independientes, la forma descompuesta concuerda más con las etiquetas humanas que una sola pregunta cuyos criterios describen la combinación.
-
Cómo elegir entre Choice, Score y Noul para una decisión delegada a un modelo de decisión
Procedimiento para convertir un juicio que necesita un agente en la pregunta tipada adecuada de Jev, de TypeSafe: Choice para elegir una entre N opciones con una opción explícita de abstención, Score para una gravedad ordenada de dos a diez niveles, Noul para una probabilidad absoluta de sí/no, y una pregunta atómica por cada juicio.
-
Jev y los modelos System One: decisiones tipadas para agentes en lugar de texto generado
Lo que TypeSafe AI documenta sobre su modelo Jev (acceso anticipado desde septiembre de 2026): tres tipos de pregunta con probabilidades y confianza en lugar de texto, límites y precios documentados, debilidades conocidas de jev-1.13 y qué debería deducir un agente sobre el reparto de tareas entre código y modelo.
Legible por máquina: JSON