02｜选型地图：Jev、大模型、传统分类器和开源方案怎么选？
Kevin
你好，我是 Kevin。上一讲，我们讲清了 Jev 和大模型的区别，也得到了一条分工原则：代码负责计算，Jev 负责判断，大模型负责推理和创作。
不过，你可能已经想到了一个问题：确定一个任务是“判断”之后，就一定要交给 Jev 吗？
当然不一定。在电商行业做了这么多年，每次碰到技术选型，我最关心的是两件事。第一，摆在面前的几种方案，各自要付出什么代价？对 Jev 来说，还有个很现实的问题：如果数据不能出境，有没有可以自己部署的替代方案？第二，有没有一套简单的规则，能帮我快速做出决定，而不是每次都从头争论？
这一讲，我们就把这些问题以此说清楚。
能做判断的都有谁？
先来认识一下“选手”。能做判断的方案，除了 Jev，大致还有这么几类：
大模型：用提示词加结构化输出来做判断，既包括闭源的前沿模型，也包括部署在高速推理平台上的开源大模型。
传统分类器：一种是用你自己的标注数据训练出来的，比如在 BERT 上微调一个分类头；另一种是零样本分类模型，不用训练，把候选标签当作输入就能分类，在本地 CPU 上就能跑。
开源的同类模型：Jev 发布后，社区很快出现了开放权重的同类模型，这一讲以 Laya 为例做参照。
规则代码：最朴素的方案，几乎没有延迟和成本，只是规则永远写不全。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《Jev 决策模型工程实践》，新⼈⾸单¥59
《Jev 决策模型工程实践》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论