开发者开源AI架构一年后，前沿实验室提出相同想法

Reddit今天有4个帖子在问同一个名字：Jev。有用户直接问，Jev到底是什么。这是一个开发者一年前构建并完整开源的AI架构。

简单说，Jev的核心是一次性算出整个答案，而不是逐字生成。有评论者把眼下这股讨论比作“人们终于重新发现了自回归采样流行之前使用语言模型的方式，就像当年的BERT”。

2025年3月，构建者开源了架构、模型、数据集和论文。论文在arXiv，模型在HuggingFace，还有PyPI包。作者顺带提过，自己之前一条帖子被Reddit过滤器删除。

一年后，一个前沿实验室提出了相同的想法，姿态像是宣告突破，但没有技术论文、开放权重或数据集。作者认为，自己2025年9月发的第二篇论文已经覆盖了对方现在提的东西。对方是否知道这项开源工作，没有公开信息。

作者形容这种处境让人极其沮丧：自己花几个月做出的垂直用例，在架构上和前沿实验室的水平构建相似，却得不到应有的支持。

有评论者区分了作者早前的SalesRLAgent和Jev。SalesRLAgent是顺序PPO策略：观测包含嵌入、销售指标、回合信息和概率历史，动作空间是一个单一的连续转化概率。Jev更通用，一个状态可以用多个独立类型的问题查询，并并行输出分类选项、分数和布尔值的分布。

作者自己的技术描述是：主要指导模型是强化学习，不是嵌入模型或语言模型；用PPO在序列嵌入上输出逐轮转换轨迹，概率从0.0到1.0。Jev本身则用并行采样，通过RLCD训练输出置信度分布和模式选择。

速度是这套架构的核心卖点，也是争议最集中的地方。一条技术评论指出代价：并行单次前向解码时，模型不再按自回归方式逐个生成token，无法根据已输出内容调整推断，交叉编码器行为会丢失。响应变快，但会变“笨”。有评论者提出改进方向：需要一种架构，先在潜在空间对整个答案推理，再做单次前向解码。

社区并不全是同情。一条高票评论调侃：“但你有没有发帖子说这是“下一件大事”？新手错误。”另一条说：“不觉得Jev是前沿实验室，但生活里很多事情就是关于时机。”

开源在先这个事实被一条评论点出关键：作者的工作在先，任何人都无法为这个通用想法获得有效专利，也就无法把它锁起来。这个想法因此对所有人开放。

也有评论提到，其他人用过相同术语。一位叫harshatheg的开发者发布过Qwen-2.5-1B-RLCD模型，用了完全相同的术语。有人回忆一年前就读过作者的帖子：“当时被它震撼了，但那时候也没看到全部潜力。”

一条评论把讨论引向更远处：这就是“AI将加速研究发现”的含义——不意味着AI会产出新知识，而是那些没被主流学术界接住的论文和研究，可以被AI系统重新捡起来。

还有评论者给出反向案例：自己私下开发了比Jev更快的系统，从未公开发布，因为觉得“世界不会感兴趣”。那个系统的目标是让语言模型反应闪电般快，在思考间隙实时操控世界，先用机器人，也能扩展到视频游戏。

发布过的Jev成了今天讨论的对象，那个更快的系统仍停在私人仓库里。区别只是是否发了出来。