RightNow 发布 System Zero 实时决策模型，边收输入边做判断

过去两个月里，决策模型层出不穷。几乎所有模型的工作方式都一样。它们读取文本，等待整个输入全部到达，然后给出一个适用于客服工单的答案。

但这种方式不适用于机器人、电话通话或视频流，因为这些场景的输入永远不会真正结束，而且必须在输入还在传入的过程中就做出决策。

所以我们把一半的 YC 资金都花在了训练模型上：)

RightNow 在一个模型中同时处理文本、PDF、图像、语音、代码、机器人状态和视频，你可以向它流式输入最多 100 万 token 的上下文。它会随着每一部分输入的到达实时更新决策。

在文本场景下，它能在 30 毫秒内做出决策，而且通过我们的内核优化，这个数字还会进一步降低。

我们用一种叫做「反射训练」的方法来训练它。现有的决策模型都是先读取所有内容，再给出一次回答。

RightNow 被训练成根据目前已到达的内容做出决策，在证据不足时暂缓判断，然后再给出确定的结论。

它运行在我们所说的「反射架构」之上，该架构为每个选项保留一个概率，并随着输入的每一部分到达而更新。

我们把这种模型称为「系统零」。系统 1 是快速思考，系统 2 是慢速推理。系统零是先于两者的步骤，也就是做出决策。

我们将发表一篇关于反射训练和反射架构的技术论文。模型本身将保持闭源，并通过 RightNow API 提供服务。

这是我们的第一个检查点，它还有点小问题。我们之所以提前发布，是因为让它变好的最快方式就是让大家用起来：)