Jev AI 是 TypeSafe 旗下 System One 模型 Jev 的独立在线体验平台和 API 服务。用户可以在 Playground 中输入任意文本或 JSON,并以 Yes/No、Choice、Score 三种问题类型获得结构化输出。Jev 不做文本生成,而是针对同一段文本并行评估多个窄问题,返回校准概率和置信度,响应时间约 0.5 秒。该平台与 TypeSafe 的 System One API 保持相同请求结构,方便开发者从原型无缝迁移到生产环境。定价上采用免费试用模式:新用户可获 20 个欢迎积分,网页工具每次请求消耗 1 积分,API 优先消耗输入 token,token 不足时切换为积分,输出 token 免费。Jev AI 还提供 Jev Omni、Laya、Mercury Decide 等模型,覆盖文本、图像、音频和视频的决策场景。产品定位是让企业以可验证、可回退的方式将 AI 用于客服工单分类、内容审核、RAG 评估、LLM 路由、安全护栏等关键业务决策。
衡量语言模型回答事实性问题能力的基准测试
SimpleQA是OpenAI发布的一个事实性基准测试,旨在衡量语言模型回答简短、寻求事实的问题的能力。它通过提供高正确性、多样性、挑战性和良好的研究者体验的数据集,帮助评估和提升语言模型的准确性和可靠性。这个基准测试对于训练能够产生事实正确响应的模型是一个重要的进步,有助于提高模型的可信度,并拓宽其应用范围。
从单张 RGB 图像生成多个逼真的 3D 人体重建
DiffHuman 是一种概率性的光度逼真的 3D 人体重建方法。它可以从单张 RGB 图像预测一个 3D 人体重建的概率分布,并通过迭代降噪采样多个细节丰富、色彩鲜明的 3D 人体模型。与现有的确定性方法相比,DiffHuman 在未知或不确定区域能生成更加细节丰富的重建结果。同时,我们还引入了一个加速渲染的生成网络,大幅提高了推理速度。
基于语言模型架构的预训练时间序列预测模型
Chronos是一系列基于语言模型架构的预训练时间序列预测模型。时间序列通过缩放和量化转换为一系列标记,然后使用交叉熵损失训练语言模型。训练完成后,通过给定历史上下文采样多个未来轨迹,获得概率性预测。Chronos模型已经在大量公开可用的时间序列数据和使用高斯过程生成的合成数据上进行了训练。
© 2026 AIbase 备案号:闽ICP备08105208号-14