Jev 或隐式学习价值函数：RL 校准与双系统决策

围绕 Jev 现象的讨论聚焦于：模型是否在隐式学习价值函数。2026 年 10 月 2 日，Souradip Chakrabarti 提出，模型可能具备在不确定对错的情况下直接选出答案的能力，而这一能力决定 agent 何时快速行动、何时切换到更深层推理，校准是关键所在。他指出，强化学习中最大化期望奖励并不保证模型给出校准良好的概率，模型可能"不知道自己不知道"。他还提出，在 agent 任务中预测最终成功本质上就是预测 Q 函数，因此价值预测或可用于构建一个经过校准的 System 1。目前该说法仍属观点层面的提出与探析，报道中未给出进一步的实证结论。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。