Jev 火了，NeurIPS 2025 的 ConfTuner 早已探索相似思路

近期 TypeSafe AI 推出的 Jev 模型因可直接输出供代码调用的决策及对应概率受到关注，其核心亮点与入选 NeurIPS 2025 的 ConfTuner 论文思路高度契合，二者均重视完整候选概率分布的建模与校准。ConfTuner 由新加坡国立大学团队提出，通过 Tokenized Brier Score 方法，仅利用答案对错标签即可训练模型，让模型输出的置信度更贴近真实正确率，且该损失函数具备理论保证，实验显示其可大幅降低模型的预期校准误差，训练效率突出，校准后的概率还可赋能下游任务提升准确率。其延伸开源项目 JevTuner 进一步探索将该概率分布训练思路应用于具体业务决策场景，为把候选概率作为模型一等输出、支撑 AI 决策接入自动化工作流提供了可行技术路径。