章节摘要:在跑代码之前把两个心智模型立稳。1.1 节把双过程理论落到工程:自回归生成是「逐 token 的 System 2 循环」,适合开放生成与复杂推理;laya 的单次前向打分是「System 1 直觉」,输出选项上的概率分布——正因为输出是分布而不是文本,它天然可校准、可弃权、可批量,这三条是第 7 章置信门控的地基(概念出处:《Jev 决策编程》第 02 章《核心心智模型》)。1.2 节看 typed 三原语在 laya 里的形态:choice 返回选项概率分布、score 返回分档概率、noul 返回是 / 否 / 不知道三值,配 SDK 字段示意与选型速查表——选型思想承自《Jev 决策编程》第 03 章《三种问题类型》,本书只讲 laya 侧形态差异。
laya 的一次调用(形态示意) 状态文本 + 问题 + 选项 单次前向 返回什么 ┌──────────────────────┐ ┌──────────────┐ ┌────────────────────────┐ │ 「这封邮件:发票开错…」 │ ───▶ │ encoder 编码 │ ───▶ │ choice:各选项概率 │ │ 问题:属于哪类? │ │ 决策头打分 │ │ score :各分档概率 │ │ 选项:账务/物流/… │ │ (无生成循环)│ │ noul :是/否/不知道 │ └──────────────────────┘ └──────────────┘ └────────────────────────┘ System 1 直觉 概率分布,不是文本
一句话金句:打分输出的是分布,分布可以校准;生成输出的是文本,文本只能校验。
(文字流程图)任务进来 ──▶ 有明确选项吗 ──▶ 有则 choice ──▶ 是刻度则 score ──► 是非且允许「不知道」则 noul ──▶ 都不是则回第 9 章选型。
两节按序读:先立「分布 vs 文本」的总纲,再看三种分布各自长什么样。
┌────────────────────────┐ 形态落到三种原语 ┌────────────────────────┐ │ 1.1 System 1 vs 自回归 │ ────────────────────▶ │ 1.2 typed 三原语形态 │ │ 分布输出·三条工程红利 │ │ choice/score/noul │ └───────────┬────────────┘ └───────────┬────────────┘ │ 红利兑现:校准→第 7 章;弃权→第 7 章 │ 使用入口:SDK→第 3 章 ▼ ▼ 第 7 章 校准与置信门控 第 2 章 三检查点与 Router