文本分类的语言模型简史：从词袋到 Jev

📋 概述

Jev AI 是过去两周技术社区里的文化现象。作者坦言自己对 Jev 的看法发生了变化，从“分类器是我的老本行，自己也能搭”变成“它确实比我想的好用”。最新的 GPT 与开源权重 LLM 当然也能做同样的分类任务，而且能做更通用的决策，但 Jev 的优势是更快更便宜；反过来，在一个狭窄而定义明确的问题上，它未必能打败专用分类器，真正的卖点是它比任务专用模型通用得多。文章用可视化方式回顾了做决策的语言模型简史：从词袋、RNN、CNN、Transformer 一路讲到 Jev 式的 API 与模型校准，配合动手实验比较准确率与效率，并解释为什么“Jev 本质上是个文本分类器”这句话既对又不全对。