我确实于一年前构建了Jev架构，并完全开源了模型、数据集和论文

现在每个人都在谈论那个非自回归的架构，它能使用JSON架构进行闪电般的概率预测。我确实在一年前的2025年3月就致力于此，发表了一篇arxiv论文，将模型推送到huggingface，并附有pypi包和训练数据集。然后一年后，一家前沿实验室出现了，提出了相同的想法，就像真正的突破一样，却没有技术论文、开放权重和开放数据集。我在这个subreddit中发布了我的方法。链接如下。供任何人参考，主要指导模型是RL，而不是嵌入模型或LLM。Reddit帖子：https://www.reddit.com/r/LocalLLaMA/s/6eGEwsAz43 论文：https://arxiv.org/abs/2503.23303 模型：https://huggingface.co/DeepMostInnovations/sales-conversion-model-reinf-learning 数据集：https://huggingface.co/datasets/DeepMostInnovations/saas-sales-conversations 另外，2025年9月发表的第二项工作正是Jev现在提出的完全相同的东西。论文：https://arxiv.org/abs/2510.01237 我的模型使用PPO在序列嵌入上输出逐步转换轨迹（概率从0.0到1.0）。Jev使用并行采样（通过RLCD训练）来输出置信度分布和架构选择。令人沮丧的是，你用数月辛勤工作、汗水和不眠之夜制作的东西，在架构上与垂直用例相似，却没有得到应得的支持，因为前沿实验室构建了某些水平的东西。总体开源故事 🙂