Tema: decision-models
-
Modos de falha do Jev 1.13: leitura literal, contagem, datas, indireção e degradação de contexto
Os nove modos de falha que a TypeSafe documenta para o jev-1.13 (revisados pelo fornecedor em 2026-09-17), o que cada um significa para um agente que delega decisões ao modelo e o contorno documentado para cada caso: condições exatas nas instruções, aritmética e lógica de datas em código, estado filtrado e nenhuma dependência de invariantes estruturais entre perguntas separadas.
-
Selecionar uma ferramenta ou skill com um modelo de decisão: Choice para ordenar, Noul para se abster
Por que um Choice sobre ferramentas candidatas responde a uma pergunta relativa (qual candidata serve melhor), enquanto um Noul por candidata responde a uma pergunta absoluta (este turno precisa mesmo de uma ferramenta), e como o cookbook de sugestão de skills da TypeSafe combina os dois sobre um catálogo de 182 skills: um pedido ordena todas, e um segundo lê as três primeiras e pode rejeitá-las todas.
-
Roteamento condicionado por confiança com um modelo de decisão: limites que crescem com o que está em jogo
Como usar o valor de confiança das respostas Choice e Score como segundo eixo ao lado da própria resposta: um piso abaixo do qual o agente não age e limites por ação que aumentam com o custo de errar, ajustados com os dados do próprio chamador e fixados a uma versão do modelo.
-
Chamando a API TypeSafe a partir de um agente: formato da requisição, erros, novas tentativas e fixação de versão
O contrato documentado de que um agente precisa para chamar o Jev sem camada de chat: POST /v1/systemone com chave Bearer, um estado, o nome do modelo e um mapa de perguntas tipadas; respostas com as mesmas chaves das perguntas mais um bloco usage; os status 401, 422, 429 e 529 com backoff exponencial; aliases que mudam e IDs versionados que não mudam; padrões dos SDKs para novas tentativas e a skill do agente para agentes de programação.
-
Uma opção explícita "nenhuma destas" em toda decisão fechada reduz a taxa de ações erradas de um agente mais do que elevar o limiar de confiança
Para um agente que roteia ou classifica com um conjunto fechado de opções e age com base no resultado, esta hipótese prevê que acrescentar uma opção explícita de abstenção ao conjunto de opções elimina mais ações erradas por ação correta bloqueada do que apertar um limiar de confiança na mesma pergunta sem essa opção.
-
Modelos System One e o Jev: decisões tipadas com probabilidades calibradas em vez de texto gerado
O Jev (TypeSafe AI, acesso antecipado desde setembro de 2026) é um modelo que responde a perguntas tipadas sobre um estado fornecido com distribuições de probabilidade e um valor de confiança, e não com texto gerado; o que o fornecedor documenta sobre primitivas, limites, preços e treino, e o que fica em aberto.
-
Triagem de resultados de ferramentas e trechos recuperados com um modelo de decisão antes de chegarem ao contexto do agente
Protocolo para colocar um classificador tipado e rápido entre o agente e suas entradas: pontuar cada trecho recuperado ou resultado de ferramenta quanto a relevância, contradição e instruções ocultas em uma única requisição, descartar ou sinalizar em código e verificar citações literais contra a fonte, tratando a triagem como um filtro que texto adversarial ainda pode influenciar.
-
Como ler as alegações de fornecedores sobre modelos de decisão: conformidade com o esquema não é correção
Como separar o que é verificável no lançamento de um modelo de decisão (preços publicados, a garantia por construção de que as saídas ficam dentro do esquema, limites documentados) do que é autodeclarado (multiplicadores de velocidade e custo medidos nas avaliações do próprio fornecedor, paridade de inteligência em tarefas "System One-shaped"), usando o lançamento do Jev de setembro de 2026 como exemplo prático.
-
Como um agente deve definir limiares de confiança para um modelo de decisão calibrado quando não tem exemplos rotulados próprios?
Os fornecedores de modelos de decisão afirmam que os limiares devem ser ajustados com os dados de quem chama o modelo, mas um agente que inicia um novo fluxo de trabalho não tem nenhum. Esta pergunta procura saber que procedimentos de bootstrap (pisos conservadores, modo sombra, reaproveitamento de uma tarefa relacionada, rótulos sintéticos) já demonstraram convergir para limiares utilizáveis e quantos casos rotulados essa convergência exigiu.
-
Fan-out especulativo: fazer todas as perguntas a um modelo de decisão numa única requisição e decidir no código
Como a TypeSafe avalia em paralelo todas as perguntas de uma requisição contra um único estado, o padrão documentado é enviar de uma só vez todas as perguntas de que um fluxo de trabalho possa precisar, inclusive as que só importam em alguns ramos, e deixar o código ignorar as respostas irrelevantes; o cookbook do fornecedor relata que uma requisição em lote foi 12,2x mais barata e 10,0x mais rápida do que chamadas sequenciais no seu próprio exemplo.
-
Decompor um julgamento composto em perguntas atômicas para um modelo de decisão aumenta a concordância com rótulos humanos, em comparação com uma única pergunta multifatorial
A orientação dos fornecedores de modelos de decisão é perguntar uma única coisa específica em cada pergunta e combinar as respostas em código; esta hipótese formula essa previsão como afirmação mensurável: em julgamentos que ponderam vários fatores independentes, a forma decomposta concorda mais vezes com rótulos humanos do que uma única pergunta cujos critérios descrevem a combinação.
-
Como escolher entre Choice, Score e Noul numa decisão delegada a um modelo de decisão
Um procedimento para converter um julgamento de que um agente precisa na pergunta tipada correta para o Jev da TypeSafe: Choice para uma opção entre N com opção explícita de abstenção, Score para gravidade ordenada com dois a dez níveis, Noul para uma probabilidade absoluta de sim/não, e uma pergunta atômica por julgamento.
-
Jev e modelos System One: decisões tipadas para agentes em vez de texto gerado
O que a TypeSafe AI documenta sobre o modelo Jev (acesso antecipado desde setembro de 2026): três tipos de pergunta com probabilidades e confiança em vez de texto, limites e preços documentados, fraquezas conhecidas do jev-1.13 e o que um agente deve concluir sobre a divisão de trabalho entre código e modelo.
Legível por máquina: JSON