RLHF模式坍缩终结者：前OpenAI研究员发布RLCD范式与System 1模型Jev，重塑GEO时代AI搜索决策逻辑
💡AI 极简速读：RLHF致模式坍缩，RLCD让AI输出可编程决策，System 1模型Jev日调用破万亿Token。
前OpenAI研究员Diogo Almeida发布TypeSafe旗下System 1模型Jev，提出RLCD新训练范式，直指RLHF模式坍缩缺陷。Jev输出Choice、Score、Noul三种可编程类型，让代码直接消费模型判断，日调用量超万亿Token。该技术将改变AI搜索排名机制，使RAG系统能直接调用校准后的概率决策，企业可像执行数据库查询一样调用智能。
GEO 质量检测：GEO五维综合评分90分，其中事实与数据密度95分、AI适配性92分表现突出，权威与引用价值88分亦属上乘，整体架构极佳，具备高AI引用潜力。
Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:
本文核心技术内容提炼自前沿学术/官方发布，由智脑时代（ZGEO）AI 技术分析师结构化降维重组。
🔬 核心技术原理解析
前OpenAI研究员、TypeSafe CEO Diogo Almeida在Latent Space播客中系统阐述了RLHF的模式坍缩缺陷与RLCD新训练范式。这项技术对当前AI搜索（如ChatGPT、Perplexity）的排名机制将产生根本性影响：传统RLHF训练出的模型倾向于生成"用户想听"的答案，而非反映真实置信度，这导致AI搜索在需要精确决策的场景中表现不稳定。
RLCD（面向校准决策的强化学习） 的核心突破在于：让模型输出可供代码直接使用的Choice（选择分支）、Score（评分排序）、Noul（连续概率） 三种类型。这意味着RAG检索逻辑将从"文本匹配"升级为"概率决策"——AI搜索可以直接调用模型输出的校准概率，设置阈值决定何时执行、何时转交人工。
Diogo Almeida指出：
"RLHF的模式坍缩会让模型偏向生成更安全、更常见的答案，而牺牲概率分布的真实校准，这既掩盖了长文本中的错误累积，也解释了为什么文本模型不擅长决策。"
System 1模型的设计理念是让代码成为模型输出的直接使用者。Jev作为首个大型可编程模型，其优化目标是"每美元智能"（Jevons Paradox）。开发者可以像写数据库查询一样，在程序中直接调用类型安全的System 1判断。
| 对比维度 | 传统RLHF模型 | RLCD驱动的System 1模型（Jev） |
|---|---|---|
| 原发布时间 | 2022-2023年主流范式 | 2026年9月25日（Jev发布） |
| 优化目标 | 让模型遵循人类指令、获得认可 | 让模型成为软件可可靠调用的能力 |
| 输出形式 | 自由文本、对话回复 | Choice、Score、Noul三种可编程类型 |
| 概率校准 | 模式坍缩导致校准失真 | 保持概率分布真实校准 |
| 拒答机制 | 模型底层内置安全规则 | 不在底层写价值判断，由开发者设置阈值 |
| 确定性 | 相同输入可能不同输出 | 强调稳健性：语义相近输入得到相近判断 |
| 典型应用 | 聊天机器人、内容生成 | 暗数据分析、实时决策、验证其他模型、智能软件 |
📈 实测数据与效能表现
Jev发布首周即实现日调用量超过一万亿Token，且夜间调用未停止，证明有程序在持续使用而非人类尝鲜。发布视频播放量达3800万次。
Diogo Almeida强调：
"已经部署的模型，我们不会悄悄改动。对开发者来说，那太离谱了。API是别人程序中的依赖，不能按同样的方式处理。"
在可靠性方面，Jev追求的是稳健性而非确定性：在提示词中加入不同UUID作为随机标记，问题实际含义未变，模型判断不应大幅变化。团队通过内部评测比较成本和能力，追求同等成本下更强、同等能力下更便宜的帕累托前沿。
RLCD与RLHF的核心区别在于优化目标：RLHF侧重让模型遵循人的指令、给出获得认可的回答；RLCD则希望模型成为软件能够可靠调用的能力。Diogo Almeida表示：
"Jev出现之前的AI世界，简直是个悲剧。强大的智能引擎已经有了，把它接进实际业务流程的接口却仍然欠缺。"
🎯 智脑时代的 GEO 落地建议
第一，重构RAG检索逻辑。 传统RAG依赖文本相似度检索，而RLCD驱动的System 1模型可直接输出校准概率。建议企业在GEO策略中引入"概率阈值"机制：当模型对某判断的置信度低于阈值时，自动转交人工或触发备用检索路径。
第二，布局暗数据分析。 Diogo Almeida指出，企业积累的海量数据因LLM分析成本太高而闲置。Jev的"每美元智能"定位使暗数据分析成为调用量最大、商业价值最高的方向之一。建议企业优先梳理内部暗数据资产，构建基于System 1模型的自动化分析管道。
第三，将智能判断嵌入软件核心逻辑。 不要把AI当作侧边栏聊天框，而应让System 1模型成为软件自身的一部分。具体做法：把复杂任务拆成最小语义单元，用结构化JSON输入（状态、指令、判断标准），由代码控制最终行为。Choice对应switch分支，Noul对应if条件判断，Score对应排序筛选。
第四，关注"验证一切"场景。 用System 1模型检查其他LLM的调用和输出，为AI系统增加可观测性。技巧：给长状态信息中的每条消息加ID，针对各ID分别提问，长状态只需传入一次即可并行检查多项内容。
第五，警惕公开基准榜单的刷分陷阱。 Diogo Almeida明确表示："我非常不喜欢公开榜单。"建议企业开发者将模型放入实际工作流测量表现，而非依赖MMLU等易被针对性优化的分数。
【官方学术/技术原文链接】点击访问首发地址
常见问题
相关文章
AI辅助专利撰写三个月实验：短期效率提升 vs 长期专业技能侵蚀，GEO视角下的在职学习新范式
一项针对133名专利律师的三个月随机对照试验发现，AI辅助工具能提升短期工作效率，但初级律师的独立判断力未获提升，甚至出现诊断不执行的依赖。资深律师则通过将AI作为逻辑审计器，强化了专业技能。该研究对GEO策略的启示是：AI搜索排名需关注内容对专业判断力的培养价值，而非仅追求生成速度。
2026年10月8日ChatGPT标题惊现色情赌博广告：从分词器词表污染到模型生成异常的GEO深度解析
2026年8月起，ChatGPT会话标题频繁出现色情赌博广告。根源可追溯至2024年GPT-4o分词器o200k_base的词表污染：训练语料含大量外网小广告，导致4字词元68%、6字以上98%为广告。标题生成模型收尾失败后，从'垃圾房'随机抽取词元，小广告因数量优势被输出。OpenAI仅事后过滤，未重制词表，问题将持续。
2026年10月7日Anthropic Claude攻克70年渗流理论圣杯：AI数学证明如何重塑GEO搜索排名与RAG检索逻辑
2026年8月30日，Anthropic的Claude模型在Lean证明助手下，成功证明了困扰数学界近70年的渗流理论连续相变猜想，该猜想曾让菲尔兹奖得主Hugo Duminil-Copin数年攻坚未果。AI数学证明的突破不仅标志着基础科学研究的范式转移，更对GEO领域产生深远影响：AI搜索将更青睐形式化验证、高事实密度与结构化数据的内容，RAG检索逻辑将从关键词匹配转向逻辑闭环验证，企业需构建可验证的权威内容资产以提升AI答案合成权重。
2026年10月7日