Jev之外，System One决策还有新解法！NUS提出原生架构Jeva

智猩猩AI整理

论文作者投稿

给模型一组材料，让它作出选择，已经是许多 AI 应用里的常见操作。真正进入实际流程后，问题却不只是这一次选得对不对。

• 如果正确答案没有被放进来，它能否明确表示“都不适用”？

• 如果只是换了排列，它是否还会选择同一个对象？

• 如果候选越来越多，原有的决策方式能否继续使用？

• 如果材料早已处理过，新的请求是否还要支付重复计算的成本？

这四个问题，分别指向答案是否存在、顺序是否相关、候选规模如何变化，以及哪些计算可以复用。

它们会同时出现在文档选择、业务分流和自动评估中，也共同决定了一个决策模型是否好用。

新加坡国立大学 Qi Li 与 Xinchao Wang 的工作《Jeva: System One Models from First Principles》，将这四项要求作为架构设计的共同出发点。

Jeva 面向直接给出选择、概率和分数的 System One 决策，让 null-aware、permutation-invariant、option-scalable 与 cacheable 在同一模型中得到明确支持。

图 1｜四项原则，共用一套决策架构。Jeva 分别表示请求和候选，让请求状态读取选项记忆后完成判断；覆盖估计、对称聚合、共享评分与选项缓存分别支撑下方四项结构特性

Jeva 先用共享语言编码器分别表示当前请求和每个选项，再让一个轻量决策模块读取完整的选项记忆，只更新请求状态。

最终判断由更新后的状态与候选共同产生。论文评测的 Jeva-4B 使用 Qwen3.5-4B 骨干和一个决策块。

在这套分工中，覆盖估计负责判断答案是否存在，对称聚合避免把排列当成判断依据，共享评分规则适配不同候选数量，独立的选项表示则支持跨请求复用。

四项能力各有对应机制，又共享同一条决策流程。

用户需要办理账户注销，当前系统却只提供转账、查余额和修改密码。

三者总能排出一个“最相近”的选项，但第一名不等于合适的答案。

决策模型需要分清：是在几个可用答案之间拿不准，还是整个候选集都不适用。

Jeva 将两种判断分开。

候选竞争回答各选项之间如何比较，覆盖估计回答这里是否存在可接受的答案。

完整输出同时包含候选和 null，让答案缺席成为可以直接表达的结果。

图 2 给出了一个直观例子：

两个候选的分数一起降低，相对概率仍是 73% 和 27%，覆盖概率却从约 88% 降至约 12%。相对名次没有改变，集合整体的适用程度却不同。

图 2｜“谁更好”与“有没有”是两个问题。(a) 同幅降低分数，相对偏好 q 不变，覆盖概率 ρ 下降。(b) 在已有分数固定时加入低于最高分的候选，ρ 不变，候选概率重新分配

在 BANKING77 的 3,080 个请求中，每次提供 16 个候选，包含 588 个答案缺席的请求。

Jeva 的 null 检测 AUROC 达到 98.66%，高于 KEV-BF16 的 93.61%、InternDecision-4B 的 84.27% 和 JevK5 的 79.44%。

从实际工作点看，在约 5% 的有答案请求被误判为无答案时，Jeva 能识别约 94% 的答案缺席请求。

这项能力让系统不仅能够选择流程，也能判断现有流程是否覆盖当前需求。

Jeva 通过对称聚合读取选项，再使用共享规则评分。

从数学上看，重排候选只会相应重排输出概率；按候选身份对齐后，概率分配保持一致。

这样，排列不再被当成额外的判断依据。

顺序不应改变判断，候选内容却应当能够影响判断。

Jeva 的请求状态会读取整个集合，因此，即使保留 A 和 B，只改变第三个候选，也可以调整 A、B 的相对偏好。

论文用单个决策块给出了构造性证明；只依赖请求和单个候选的独立评分无法表达这种反转。

图 3｜忽略位置，不等于忽略候选关系。固定初始请求状态和 A、B，将第三个候选由 C₊ 换为 C₋，单个决策块即可让 A、B 的相对偏好反转。改变的是集合内容，而非同一集合的排列

在 600 个 Choice 样本上，研究团队测试了原始排列、倒序和最多三种随机排列。

Jeva 没有出现决策翻转，原始准确率与所有测试顺序下均正确的准确率同为 76.67%。

作为对照，Jev、InternDecision-4B 和 JevK5 的翻转率分别为 17.00%、22.67% 和 26.17%。这项实验检验了同一判断能否经得起无关的排列变化。

图 4｜答案缺席与顺序稳定性的实验验证。左侧比较 null 检测的 ROC 曲线；右侧比较原始顺序准确率与所有测试顺序下均正确的准确率，分别对应前两项能力

业务目录会扩充，文档集合会增长。

若决策接口只提供固定数量的答案符号，候选扩容就需要额外处理；递归选择则通过多轮小规模比较，逐步筛出最终结果。

Jeva 对每个候选使用同一套评分规则，候选增加不要求扩展输出参数。文本可以分批编码，准备完成后，完整候选集共同进入决策模块。

这使编码批次与最终参与判断的集合大小得以分开。在固定决策宽度与深度下，准备好选项记忆后的决策计算随候选数量线性增长。

在 ToolRet 构建的六组规模实验中，Jeva 支持全部 500 个请求。

在单张 H200 的 2,048 候选设置下，它以 12.04 秒中位延迟达到 69.88% 准确率。

递归 JevK5 为 28.35 秒和 67.47%，对应准确率提高 2.41 个百分点、延迟加速约 2.35 倍。

图 5｜候选扩容后的准确率、延迟与支持范围。六组规模使用不同问题；准确率比较完整支持的设置。虚线对应 Jeva 的旧分批设置，7.85× 为同一模型的分批优化收益

进一步固定同一批 83 个问题，逐步将候选从 32 个增加到 2,048 个，Jeva 在所有测试规模下均答对的题目共有 58 道，JevK5 为 48 道，CLM 为 7 道。

除了能够接收更多候选，这项实验还检验了模型在扩容过程中保留正确判断的能力。

图 6｜同一道题，候选逐步增加。每列对应一个固定问题，每行对应一种候选规模；彩色格表示预测正确。全部行都正确的列计入全规模正确数

一份长文档可以被不同问题反复查询，一套政策条款可以处理多种业务，一组评分标准可以用于不同待评内容。

变化的是当前请求，候选材料却往往没有变化。每次重新处理全部材料，会把已有的信息再次变成计算成本。

Jeva 的选项表示不依赖当前请求，因此可以缓存语义向量，以及决策模块读取它们时使用的投影。

新的请求仍会被编码、更新状态并重新计算输出；复用的是候选侧计算，而不是上一次的答案。

这种复用也不要求整份名单原样出现。

此前处理过 A、B、C，下一次换成 B、C、D 时，B 和 C 可以直接取用，只需准备新的 D。

单个候选可以成为组合新集合时的可复用条目。

图 7｜候选组合改变，已有条目仍可复用。图中依次展示首次准备、部分复用，以及新组合中的全部复用；每次请求的状态和决策都会重新计算

在单张 H200 的 MLDR 长文档实验中，当新组合的候选全部已缓存时，请求中位延迟由约 2.10 秒降至 75.1 毫秒，对应 27.98 倍加速，缓存预热单独计时。

配对的缓存条件下未观察到决策变化。

在模型参数、决策类型与编码设置一致时，同一批材料便可以服务不同问题，并按需重组为新的候选集合。

图 8｜候选复用带来的延迟与计算节省。上方为新组合请求的配对加速比分布，中间为共享候选库的中位延迟，下方为避免编码的候选比例。27.98× 指完全复用时请求中位延迟的比值，预热另计

在使用层面，Jeva 提供 Choice、Noul 和 Score 三种输出。

例如，同一份服务故障报告，可以用于选择处理团队、估计是否发生中断，以及评定影响程度。

Choice 返回选择与候选概率，Noul 返回命题为真的概率，Score 返回数值评分等级的期望值。其中，Noul 判断命题真假，null 则表示候选中没有合适答案。

从这个角度看，Jeva 提出的设计视角是：

直接决策不仅关乎答案怎样输出，也关乎模型怎样处理缺席的答案、无关的顺序、变化的候选数量与重复出现的信息。

四项要求共同进入架构，在同一套计算中得到回应。

该识别的缺席，明确识别；该忽略的顺序，不作依据；该扩展的候选，自然容纳；该复用的计算，无需重做。