前 OpenAI 研究员：Codex 和 Claude Code 都跑偏了，Jev 要用 RLCD 让 AI 成为「软件里的数据库」

「在我看来，Jev 出现之前的 AI 世界，简直是个悲剧。」TypeSafe CEO、Jev 创始人 Diogo Almeida 在 Latent Space 播客里说得相当直接。这位曾参与 OpenAI InstructGPT 工作的研究者认为，AI 明明聪明到能解数学界千禧年难题，却连最基础的自动化工作都无法落地——问题不在智能上限，而在「把智能接进业务流程」的接口仍然欠缺。

一分钟速览

• Jev 提出面向校准决策的强化学习（RLCD）框架，让模型输出可供代码直接消费的选择、评分与概率；
• Diogo Almeida 认为 Claude Code 与 Codex 仍属同一阶段——AI 主要围绕人提供辅助，尚未成为可编程的软件能力；
• RLCD 与 RLHF 的核心区别：前者让模型成为软件可靠调用的能力，后者让模型「说用户想听的话」；
• RLHF 存在「模式坍缩」缺陷，掩盖长文本错误累积，也解释了文本模型为何不擅长决策。

AI 自动化的真正瓶颈

Diogo 的核心判断是：AI 自动化的瓶颈不在智能上限，而在输出不可信、不可编程。RLHF 训练出的模型倾向于「模式坍缩」——偏向生成更安全、更常见的答案，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，也解释了为什么擅长聊天的文本模型一碰到决策就掉链子。要让 AI 真正进入工程化流程，就必须先解决「输出可信、可编程」这个接口断层。

RLCD：让代码直接消费智能

Jev 给出的答案，是面向校准决策的强化学习（RLCD）。它的优化目标不是让模型「遵循指令、获得认可」，而是让模型成为软件能够可靠调用的能力：通过概率化决策输出实现不确定性量化，开发者可以依据置信阈值自主编排人机协作流程——何时交给 AI 执行、何时转交人工，都由代码控制。Diogo 把 Jev 定位为「System One 模型」，希望智能像数据库、正则表达式一样，成为开发者随手调用的普通能力，甚至让用户意识不到它的存在。

关于可靠性，Diogo 的表述也很务实：他更看重「稳健性」——问题含义没变，就不该因为加入无关字符而大幅改变判断；已部署的模型不会悄悄修改，因为 API 是别人程序里的依赖，但会快速发布新版本。他也不反对评测，反对的是「围绕榜单优化，让分数脱离真实价值」。

趋势洞察

这场访谈指向一个正在发生的转向：AI 工程化的下一站，不是把模型做得「更会聊天」，而是把「决策」变成一种可被代码消费、可量化不确定性的基础能力。当智能真正退到软件背景中，AI 才会从「需要人守在旁边反复检查的助手」，变成业务系统里值得托付判断的一环。

四个落地方向

Diogo 为 Jev 梳理了四类企业应用方向：一是分析因处理成本太高而被闲置的「暗数据」；二是为实时流程提供快速判断；三是检查其他模型的调用和输出，充当「裁判」角色；四是把智能判断直接嵌入软件核心逻辑。他尤其看好暗数据分析和编程 Agent，但强调具体如何组合模型，仍要看它能否降低成本、解决原本解决不了的问题。这种务实态度，与他一贯反对「刷榜」的立场一脉相承——开发者最终要把模型放进自己的工作流，测量实际表现，而不是只看价格、速度或一个总分。