TypeSafe: Jev 1.13

Jev 1.13 es el modelo System One versionado de TypeSafe para decisiones estructuradas. Su identificador del productor es jev-1.13.0. Evalúa un estado de texto o JSON textual respecto a preguntas de tipos definidos y devuelve directamente valores y distribuciones de probabilidad, sin redactar una respuesta escrita. La edición resulta adecuada para clasificación, asignación, comprobaciones de condiciones y juicios de rúbrica cuyos posibles resultados se conocen antes de la solicitud.

Estado y preparación de preguntas específicas

Proporciona como estado una cadena, un objeto JSON o un array de valores de texto. Utiliza campos con nombre cuando la evidencia contenga registros relacionados, una conversación y una política. Conserva las partes que necesite cada pregunta y haz referencia a un campo o elemento específico cuando eso identifique claramente la evidencia. Jev 1.13 es exclusivamente textual; las imágenes, el audio, el vídeo y los archivos binarios necesitan prepararse como texto o campos textuales estructurados fuera de este modelo.

Cada pregunta tiene un tipo, instrucciones y los criterios que requiera su tipo. Las instrucciones y las descripciones de criterios pueden utilizar texto o estructura JSON. El productor devuelve las respuestas bajo los identificadores de pregunta, pero esos identificadores no forman parte de la inferencia. Escribe la pregunta completa, en lugar de depender de que un identificador como urgent implique el criterio previsto. Un estado útil de soporte puede contener el mensaje y los detalles de impacto, mientras que preguntas separadas definen su categoría y gravedad.

Choice: una categoría proporcionada y su distribución

Choice selecciona la opción de mayor probabilidad del conjunto sin orden definido por quien realiza la llamada. Su mapa de criterios contiene las claves de las opciones y sus descripciones, y permite null cuando una opción no necesita explicación adicional. El límite documentado es de 255 opciones por Choice. Añade una opción other o no-match cuando una taxonomía no cubra toda la evidencia posible y explica los límites que un nombre corto de categoría no resuelva.

La respuesta contiene la opción seleccionada, una probabilidad para cada opción y confianza. Conserva la distribución cuando dos candidatas estén próximas, en lugar de tratar la etiqueta seleccionada como certeza. La categoría seleccionada puede identificar una ruta propuesta; la aplicación que integra el modelo decide si la ejecuta y cómo hacerlo.

Score: un nivel esperado, no una medición exacta

Score utiliza un array ordenado de niveles descritos, con al menos dos recomendados y hasta diez compatibles. Los índices comienzan en 0. El resultado numérico es la media de los índices de nivel ponderada por probabilidad, por lo que puede quedar entre niveles. La leyenda de la respuesta relaciona los índices con sus descripciones, y las probabilidades de nivel muestran cómo se distribuye el juicio.

Para la gravedad, describe la diferencia entre impacto estético, una alternativa utilizable y una tarea bloqueada. Una puntuación fraccionaria puede ayudar a priorizar o agregar juicios, mientras que seleccionar la categoría más probable es una operación diferente. La guía específica de esta edición de TypeSafe advierte de que Score es poco eficaz para reconstruir una cantidad física o numérica exacta mediante interpolación entre niveles. Mantén los cálculos aritméticos precisos y las mediciones fuera del modelo.

Noul y confianza tienen significados distintos

Noul devuelve la probabilidad, entre 0 y 1, de que una condición definida sea verdadera. Los criterios opcionales true y false aclaran el límite. No tiene un campo de confianza separado. Una probabilidad próxima a 0,5 indica incertidumbre entre sí y no, no un valor intermedio en una escala graduada.

La confianza de Choice y Score se deriva de sus propias distribuciones. Para Choice con al menos dos opciones (n > 1) y una probabilidad seleccionada p_max, la fórmula documentada es (p_max − 1/n) / (1 − 1/n): compara el resultado superior con un reparto uniforme. La confianza de Score también tiene en cuenta la distancia ponderada por probabilidad respecto al nivel más probable, normalizada frente a la dispersión de una distribución uniforme y con un mínimo de 0. Por tanto, la ambigüedad entre niveles adyacentes y la ambigüedad entre extremos opuestos tienen significados diferentes. Conserva la distribución completa cuando la tarea necesite más detalle que una sola estadística.

Juicios independientes sobre evidencia compartida

Las preguntas de una solicitud ven el mismo estado y se evalúan de forma independiente. El resultado de una pregunta no es contexto oculto para otra. Divide un juicio amplio en aspectos específicos y después interpreta o combina los valores devueltos según la tarea. Un problema puede tener una categoría, una valoración de impacto y una comprobación de relevancia sin convertir esos criterios independientes en una etiqueta vaga de prioridad.

Si una pregunta posterior necesita evidencia recuperada u opciones elegidas a partir de un resultado anterior, haz explícita esa dependencia en una solicitud posterior. Para extraer candidatos, obtén primero los valores disponibles de la fuente y después utiliza un Choice acotado para seleccionar entre ellos. Jev 1.13 no está entrenado para generar texto libre y no debe describirse como si produjera una cadena nueva arbitraria o una explicación narrativa.

Límites de contexto y de idioma específicos de la edición

El fabricante indica un presupuesto de 64k tokens para el estado más todas las preguntas combinadas y un presupuesto de 32k tokens para el estado más la pregunta individual más larga. Ambas restricciones importan. Un estado que cabe en el presupuesto total aún puede dejar demasiado poco espacio para las instrucciones y opciones de una pregunta individual. Elimina el material sin relación, conservando la evidencia que determina la respuesta.

El inglés es el idioma principal de entrenamiento de la edición y el productor comunica que alcanza en él su mayor precisión. Se aceptan otros idiomas, incluidas las escrituras CJK, pero no tienen la misma precisión. Utiliza material de origen representativo del idioma previsto al evaluar cómo deben interpretarse las probabilidades o los límites de categorías. Un contrato de entrada exclusivamente textual no establece un rendimiento multilingüe universal.

Limitaciones sustantivas publicadas

TypeSafe documenta una lectura literal de palabras que delimitan el alcance y de negaciones, recuentos y cálculos aritméticos poco fiables, dificultad para comparar fechas como cantidades ordenadas y una menor fiabilidad con varias capas de indirección. Recomienda realizar los cálculos exactos en código y dar al modelo el juicio semántico. Las codificaciones numéricas pueden ser menos eficaces que los nombres significativos, y un estado grande lleno de detalles sin relación puede distraer de la evidencia pertinente.

La misma guía afirma que el contenido adversarial del estado puede dirigir la respuesta; que unas instrucciones y criterios contradictorios pueden confundir al modelo; y que el orden de las opciones Choice puede sesgar a veces un resultado hacia una opción temprana. Define la condición real, alinea las instrucciones con los criterios, reduce los pasos intermedios innecesarios y compara los juicios limítrofes con la fuente. Ten presentes los límites de Jev 1.13 al interpretar sus juicios.

Un artefacto útil de Jev 1.13 conserva el identificador del estado, la pregunta completa, las opciones o niveles, el resultado de tipo definido, las probabilidades y la estadística de confianza pertinente. Mantén explícita la versión cuando los resultados o umbrales dependan de esta edición. Revisa los casos inciertos frente a la evidencia y deja que la aplicación realice los cálculos exactos y las acciones del flujo de trabajo; el modelo aporta un juicio específico con incertidumbre numérica.