才几天没看ai，ai又发展出来新的话术JEV，不同的是之前都是在模型基础上加各类工作范式规则，这次直接挑战底层LLM模型。传统模型多是基于Transformer（deconder-only：gpt）文本生成，大量思考token，但是jev直接输出概率。只需要给出state背景和choice选择项，jev会给出choice的概率（类似encoder-only：bert了，但官方宣称不是，但都可以用于分类任务，及类似if -else这类loop了，那对于量化策略那种规则类或者趋势判断…）。

传统LLM处理问题，就像开放式问答题：收到问题后，模型会把完整的链式思考1、2、3、4、5、6逐步输出，最后给出答案3。而Jev完全不同，输入题干背景state和候选choice选项1、2、3，直接输出各选项概率并选出答案3，干脆利落。本质是把开放问答，转成了选择题式的概率决策。尽管传统LLM也能通过提示词强制做选择题，但它底层依然要走自回归链式思考，只是人为约束输出格式；Jev原生目标就是评估候选选项，省去了整套文本生成过程。

使用方法：要么python脚本通过vscode等传统方式使用，要们使用它的官方技能通过agent使用。

ps：我们知道agent实现自动化，要么就是早期那种脚本模式，或者gui（控制鼠标键盘），而agent的computer use就是后者。但是国内外的agent原生computer use都及其费token，而jev似乎提供了一个想法。