附录 A 术语表
按主题分组，括号内为首次重点出现的章节。
模型与概念
| 术语 |
释义 |
| Jev |
TypeSafe AI 于 2026-09-15 发布的首个 System One 模型；读取状态与约束问题，返回类型化决策与校准概率（第 0~1 章） |
| System One 模型（系统一模型） |
一个模型类别：对预设问题并行求值、返回带概率的类型化答案；名称出自卡尼曼《思考，快与慢》（第 1.2 节） |
| 系统一 / 系统二 |
卡尼曼的思维二分：快直觉 vs 慢推理；Jev 对应前者，LLM 生成对应后者（第 1.2、2.3 节） |
| Jevons 悖论 |
效率提升使单价下降、总消耗反而增大；Jev 命名的寓意——智能降价解锁新用法（第 1.2 节） |
| 智能 if 语句 |
社区对 Jev 的概括（出自 Flavio Copes 评测）：把语义判断变成 if 里的表达式（第 0.1、2 章） |
| RLCD |
Reinforcement Learning for Calibrated Decisions，面向校准决策的强化学习——Jev 的训练范式；对照 RLHF（人类偏好）/RLVR（可验证奖励）（第 5.2 节） |
| "选牌不报牌" |
使用心法：摆出候选让 Jev 挑（判断题），不让它自己生成答案（生成题）（第 2.2 节） |
| "约束形状不约束判断" |
Anthony Maio 的核心批评：结构保证答案在枚举空间内，不保证选对（第 10.2 节） |
API 与类型
| 术语 |
释义 |
| state（状态） |
请求中的程序状态：字符串/对象/数组，是模型看到的"世界"；对象字段可被反引号路径引用（第 2.1、8.1 节） |
| questions（问题） |
一组带类型的约束问题；每个问题含 type、instructions、criteria（第 2.1、3.4 节） |
| 问题 ID |
你自定的问题键名，不发给模型，是代码/日志/回归集的主键（第 2.1、8.1 节） |
| instructions |
问题的自然语言判别标准；写给"阅卷老师"看（第 3 章） |
| criteria |
答案空间定义：Choice 的选项表（对象）、Score 的等级表（有序数组）（第 3 章） |
| Noul |
是非题类型；返回命题为真的概率 noul（0~1），无 confidence；0.5 = 拿不准（第 3.1 节） |
| Choice |
单选题类型；返回 choice（胜出项）+ probabilities（全选项分布）+ confidence（第 3.2 节） |
| Score |
刻度评分类型（2~10 级有序）；返回 score（概率加权连续分）+ legend + probabilities + confidence（第 3.3 节） |
| other / 逃生门 |
Choice 里必留的兜底选项；其占比是选项表覆盖度的监控信号（第 3.2、6.1 节） |
概率与评测
| 术语 |
释义 |
| probabilities（分布） |
Choice/Score 返回的选项间/等级间概率分布——"选项间怎么分"（第 5.3 节） |
| confidence（置信度） |
对判断本身的把握——"这道题我做得有多有底气"；与分布正交（第 5.3 节） |
| 校准（calibration） |
说 90% 时长期约 90% 正确的性质；由 RLCD 训练获得，需在自己分布上验证（第 5.2、9.2 节） |
| ECE（期望校准误差） |
分桶 |预测均值−实际命中率| 的加权平均；<0.05 优秀、>0.15 慎用概率（第 9.2 节） |
| 可靠性曲线 |
各概率桶的"预测均值 vs 实际命中率"散点图；健康校准贴对角线（第 9.2 节） |
| 回归集 |
输入+人工标注清单（100~500 条）；改 schema/版本必重跑，Jev 开发的单元测试（第 9.1 节） |
| 混淆矩阵 |
Choice 评测的交叉计数表；双高格=判别性不足，other 异常=覆盖问题（第 6.1、9.1 节） |
| 期望损失 L(t) |
阈值 t 下的错放数×错放代价 + 错拦数×错拦代价；阈值选择的目标函数（第 9.3 节） |
工程与实践
| 术语 |
释义 |
| 投机性扇出（speculative fan-out） |
一次请求问完所有可能用到的判断；并行求值使追加问题近零成本（第 5.1 节） |
| 置信度门控（confidence gating） |
按 confidence/probability 阈值决定自动执行、转人工或拦截（第 5.3 节） |
| 三段式阈值 |
低阈拦截 / 高阈自动放行 / 中间带人工——代价不对称场景的标准解（第 7.3、9.3 节） |
| 影子模式（shadow mode） |
新判断层只记录不生效的上线阶段；四步法的第一步（第 8.2 节） |
| 四步上线法 |
影子记录 → 对账改表 → 灰度切流 → 扩量监控（第 8.2 节） |
| 代码先行 |
可计算部分（数学/日期/比对）先在代码算好、作为事实喂入 state，Jev 只判纯语义（第 10.1 节） |
| 复合评分 |
单维 Score×K + 代码加权合成综合分；权重是业务知识，不外包给模型（第 6.3 节） |
| 版本钉死 |
生产用具体模型版本号（如 jev-1.13.0），latest 只进实验（第 8.3 节） |
| 多层防线 |
规则层 → Jev 层 → 人工层的护栏结构；对抗性文本不可靠，Jev 层不单兵作战（第 7.3 节） |
| Jev 管门、LLM 管活 |
分层 Agent 架构口诀：Jev 做门控/路由/护栏/验证，LLM 做生成与推理（第 2.3 节） |
作者与出处
本站整理收录，版权归原作者/开源协议所有；欢迎通过原文链接访问源仓库。