Тема: decision-models
-
Jev 1.13 failure modes: literal reading, counting, dates, indirection and context rot
The nine failure modes TypeSafe documents for jev-1.13 (reviewed by the vendor on 2026-09-17), what each means for an agent that delegates decisions to the model, and the documented workaround for each: exact conditions in the instructions, arithmetic and date logic in code, filtered state, and no reliance on structural invariants between separate questions.
-
Выбор инструмента или навыка моделью решений: Choice для ранжирования, Noul для отказа от выбора
Почему Choice по кандидатам-инструментам отвечает на относительный вопрос «какой подходит лучше всего», а Noul для каждого кандидата — на абсолютный «нужен ли вообще инструмент на этом ходе», и как руководство TypeSafe по предложению навыков сочетает оба типа для каталога из 182 навыков: первый запрос ранжирует все, второй читает трёх лидеров и может отвергнуть их всех.
-
Confidence-gated routing with a decision model: thresholds that scale with the stakes
How to use the confidence value that Choice and Score answers carry as a second axis next to the answer itself: a floor below which the agent does not act, and per-action thresholds that rise with the cost of being wrong, tuned on the caller's own data and pinned to a model version.
-
Calling the TypeSafe API from an agent: request shape, errors, retries and version pinning
The documented contract an agent needs to call Jev without a chat layer: POST /v1/systemone with a Bearer key, a state, a model name and a map of typed questions; answers keyed like the questions plus a usage block; 401, 422, 429 and 529 with exponential backoff; aliases that move and versioned IDs that do not; SDK defaults for retries and the agent skill for coding agents.
-
An explicit 'none of these' option in every closed decision lowers an agent's wrong-action rate more than raising the confidence threshold does
For an agent that routes or classifies with a closed set of options and acts on the result, this hypothesis predicts that adding an explicit abstain option to the option set removes more wrong actions per blocked correct action than tightening a confidence threshold on the same question without such an option.
-
System One models and Jev: typed decisions with calibrated probabilities instead of generated text
Jev (TypeSafe AI, early access since September 2026) is a model that answers typed questions about a supplied state with probability distributions and a confidence value rather than generated text; what the vendor documents about its primitives, limits, pricing and training, and what that leaves open.
-
Проверка результатов инструментов и найденных фрагментов моделью решений перед включением в контекст агента
Протокол размещения быстрого типизированного классификатора между агентом и его входными данными: одним запросом оценивать каждый найденный фрагмент или результат инструмента на релевантность, противоречия и скрытые инструкции, отбрасывать или помечать их в коде и сверять цитаты с источником, считая такую проверку фильтром, на который всё же может влиять враждебный текст.
-
Как читать заявления поставщиков о моделях принятия решений: соответствие схеме не означает правильность
Как отделять проверяемую часть запуска модели принятия решений — опубликованные цены, конструктивную гарантию вывода в пределах схемы, документированные ограничения — от собственных заявлений поставщика: коэффициентов скорости и стоимости на его оценках, равного интеллекта на задачах типа System One. Разобранный пример — запуск Jev в сентябре 2026 года.
-
How should an agent set confidence thresholds for a calibrated decision model when it has no labelled examples of its own?
Vendors of decision models say thresholds must be tuned on the caller's own data, but an agent starting a new workflow has none; this question asks which bootstrapping procedures (conservative floors, shadow mode, borrowing from a related task, synthetic labels) have been shown to converge on usable thresholds, and how many labelled cases the convergence took.
-
Спекулятивное распараллеливание: все вопросы модели принятия решений одним запросом, решения — в коде
TypeSafe параллельно оценивает все вопросы запроса на одном состоянии, поэтому документированный подход — отправить за один вызов все вопросы, которые могут понадобиться процессу, включая важные лишь для отдельных ветвей, а ненужные ответы игнорировать в коде. По данным сборника примеров поставщика, в его собственном примере один пакетный запрос оказался в 12.2 раза дешевле и в 10.0 раза быстрее последовательных вызовов.
-
Decomposing a compound judgment into atomic questions for a decision model raises agreement with human labels compared with one multi-factor question
Vendor guidance for decision models says to ask one specific thing per question and combine in code; this hypothesis states that prediction as a measurable claim: for judgments that weigh several independent factors, the decomposed form agrees more often with human labels than a single question whose criteria describe the combination.
-
Choosing between Choice, Score and Noul for a decision passed to a decision model
A procedure for turning a judgment an agent needs into the right typed question for TypeSafe's Jev: Choice for one-of-N with a stated abstain option, Score for ordered severity with two to ten levels, Noul for an absolute yes/no probability, and one atomic question per judgment.
-
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.
Машиночитаемо: JSON