Laya:基于RLCD技术的决策引擎,推理快、成本低,多项指标超越TypeSafe Jev

Laya小游戏开发,laya3D美术篇——1——关于laya自带的几个shader的基础运用讲解。 用laya材质,还原app中的光照效果,以及laya几种shader的讲解与使用。 阅读详情

Laya研究资讯:技术突破与性能优势

研究聚焦于Laya,一款基于RLCD技术、推理时间低于35毫秒的开放式权重System 1决策引擎。其支持100多种语言的多语言路由,并具备先进的校准能力。

研究历程回顾:从论文到Laya诞生

2025年3月,作者发表关于序列转换轨迹的论文,数月钻研后,不仅发布arXiv论文,还公开模型权重、数据集,创建PyPI软件包并分享研究方法。2025年9月提出基于强化学习的模式决策框架。然而,2026年9月TypeSafe AI推出的Jev,其非自回归决策概念与作者早期工作相似,却未发表论文、公开权重和数据集。作者汲取经验构建了Laya模型。

核心认知探讨:System 1与决策需求

现代人工智能流程中,用生成式大语言模型处理简单反射性决策任务存在瓶颈,如等待时间长、费用高、易产生幻觉等。因此,需要像人类大脑System 1一样的模型,能快速做出即时反射决策并给出校准概率。

三个决策原语解析:保障模型性能

Laya依赖三个原语,能在单次正向传播中评估类型化问题。选择原语可从标准字典选选项并返回相关概率和置信度;评分原语将状态置于评分体系,返回预期等级等;是非判断原语直接回答布尔型问题并返回校准概率。

检查点与架构整合:优化模型应用

为使模型在多任务和多语言中达最优,发布三个检查点并整合到单一仓库中心。主仓库可借助工具仅下载用户请求的特定子文件夹。

路由重要性揭示:应对多脚本情况

MASSIVE基准测试发现,英文模型在非拉丁脚本语言上表现差,且模型自身置信度无警告。因此仅靠置信度筛选无法保障决策准确性,需在正向传播前决定使用的模型。Laya内置Router模块可检查输入文本,路由开销小,还可预加载模型消除冷切换延迟。

与Jev正面交锋:性能指标对比

在公共数据集和基准测试中对比Laya和TypeSafe Jev,Laya在多项指标上表现更优,如类型化决策准确率高3.9%,AG新闻准确率提高4.0%等。在企业工作流程评估中,Laya也展现出良好的决策质量。

坦诚面对局限:明确模型性能上限

Laya存在一些局限性,选项超过20个时选择问题性能下降,零样本学习与微调有差异,基础权重温度校准需优化。

快速入门指南:30秒运行Laya

通过pip install可安装Laya,文中给出使用示例,包括初始化路由器、定义复杂状态和问题、进行预测并输出结果。

资源与社区:助力模型应用与研究

提供Laya相关资源,如Hugging Face模型中心、实时交互式空间、GitHub仓库、PyPI软件包和Kaggle微调笔记本。

总结核心观点:非自回归模型优势

从发表论文至今的研究表明,并非所有人工智能问题都需自回归聊天机器人解决。基于RLCD技术的Laya模型执行速度快、不产生幻觉、支持全球语言路由、提供真实置信度分数,且完全开源。

《laya 源码分析》layaAir引擎渲染主循环 2020/12/8 首先是laya入口函数 /** * 初始化引擎。使用引擎需要先初始化引擎,否则可能会报错。 * @param width 初始化的游戏窗口宽度,又称设计宽度。 * @param height 初始化的游戏窗口高度,又称设计高度。 * @param plugins 插件列表,比如 WebGL(使用WebGL方式渲染)。 * @return 返回原生canvas引用,方便对canvas属性进行修改 */ static init(width: number, h 阅读详情

相关推荐

Laya:基于LeJEPA的EEG基础模型解析与应用

自监督学习(SSL)作为深度学习的重要分支,通过无标注数据学习可迁移表征,在信号处理领域展现出巨大潜力。其核心原理是通过设计预测性或对比性预训练任务,使模型捕捉数据中的本质特征。EEG信号分析面临信噪比低和个体差异大的挑战,传统重构方法容易过度关注高频噪声。Laya创新性地引入LeJEPA框架,通过预测潜在表征而非重构原始信号,结合SIGReg几何正则化,显著提升了模型性能。该技术在癫痫检测等临床场景中表现出色,在低信噪比环境下仍保持91%的原始性能,为脑机接口(BCI)和神经科学研究提供了新的技术路径。

weixin_34050521的博客 379

Laya:不做生成、只做决策的开源非自回归模型

它由 Convai Innovations 发布,被广泛视为 TypeSafe Jev 的开源平替。obsidian。

feixiang_9的博客 569

Laya决策引擎:基于RLCD的规则编译与调度实践

规则引擎是业务系统中实现动态决策的核心组件,其性能与成本直接影响系统吞吐和运维开销。传统解释执行方案在规则数量增长时面临推理延迟高、资源占用大的瓶颈,而编译执行路线通过将规则逻辑转化为可执行代码,能显著提升匹配效率。RLCD技术正是这一思路的工程化实践,它借助增量编译、轻量级中间表示和运行时调度,在保持规则灵活性的同时降低单次推理延迟与计算成本。在风控、营销、审批等高频决策场景中,这种编译型引擎能有效支撑大规模规则集的快速变更与高效执行。Laya作为该路线的代表,在推理速度与成本控制上展现出超越TypeSa

weixin_32285357的博客 265

Laya 开发性能经验总结

canvas 和webgl区别 canvas:翻译成中文就是 画布,可以理解是一张白纸,可以用来画画。canvas 2d 可以理解为内置的2d图形接口,可以理解为一个画笔,可以画点,直线,矩形,圆弧,贝塞尔曲线。 //html网页 <html> <head> <script> //获得画布 var canvas = document.getElementById('canvas'); if (canvas.getContext) {

wangwen_22的博客 8085

Laya决策引擎:RLCD架构实现快省准的规则与学习协同

决策引擎作为输入条件输出动作的规则系统,在电商、工业等领域广泛应用。传统规则引擎如TypeSafe Jev依赖人工维护,面临效率与成本瓶颈;纯机器学习模型则推理慢、黑盒难审计。RLCD(规则与学习协同决策)技术通过规则层处理硬性约束、学习层处理概率判断,实现高效协同。Laya基于RLCD构建,推理速度提升一个量级,成本大幅降低,并支持热更新与可解释性。适用于技术选型、运维优化及对RLCD落地感兴趣的工程师,助力业务快速响应与合规审计。

weixin_29800471的博客 219

新华硕笔记本ubuntu18.04双系统安装之后,wifi没有显示无法链接wifi

本来我以为跟简单安装一个wifi网卡的驱动就可以解决的问题,没想到花了我一早上的时候解决… 惭愧。 另外,本来是没打算写这篇博客的,但是我在搜索解决这个问题的过程中, 发现多人提出的解决方案跟我的都不一样,甚至我的解决方案都没有搜到相应的答案,还是只能靠自己啊。。 言归正传,还是说说怎么正确的安装wifi驱动吧! 1. wifi没有正确安装、或没有正确配置的表现 我的电脑现象: 有wifi图标, wifi设置上显示unaviable,无法搜索到任何wifi; 还有其他类似的表现,大家可以看看其他朋友的提

Ian的博客 1891

laya引擎学习(一、初识)

一不小心说了这么多,主要说了一下跟laya认识的过程,不想看的上面吹水的,可以忽略。下面我们来正式进入主题:初识laya.

酱油师兄的博客 2万+

【项目管理】第8章 项目整合管理 --知识点整理

制定项目章程: 第一步,旨在明确项目的目标、范围、关键里程碑等关键信息,为项目的后续工作奠定基础。制订项目管理计划: 在项目章程的基础上,进一步详细规划项目的执行过程,包括时间、成本、质量、风险等方面的管理计划。指导与管理项目执行: 按照项目管理计划执行项目,同时监控项目的进展,确保项目按照计划进行。监控项目工作: 对项目的执行情况进行持续监控,及时发现并解决问题,确保项目目标的实现。

weixin_42081167的博客 1600

Laya决策引擎:基于RLCD技术实现低延迟低成本推理

在实时风控、推荐和定价系统中,决策引擎的推理延迟与成本是核心挑战。RLCD(规则逻辑编译与调度)技术通过将决策逻辑编译为高效中间结构,并智能调度规则执行顺序,大幅减少无效计算,从而降低延迟和成本。该技术尤其适用于规则规模大、请求模式集中的场景,能显著提升吞吐并降低CPU开销。Laya作为基于RLCD的决策引擎,在多项运行时指标上超越TypeSafe Jev,为高吞吐低延迟场景提供了新选择。

weixin_33978044的博客 385

Ansys Icepak:通过 ECAD 导入和非共形网格划分掌握电子冷却

通过将 Icepak 与 HFSS(用于高频电磁学)、Ansys Mechanical(用于结构分析)和 Ansys Fluent(用于流体动力学)等 Ansys 产品相结合,工程师可以在单个工作流程中仿真电子系统的完整行为,从热和电气动力学到机械和流体动力学。精细网格可以应用于关键区域,而在不太重要的区域使用较粗的网格,从而在不牺牲精度的情况下加快仿真速度。这些功能使 Ansys Icepak 成为从事复杂电子设计的工程师不可或缺的工具,可实现更精确的热分析并缩短开发时间。用于高效仿真的非共形网格划分。

jkh920184196的博客 1395

基于MATLAB实现语音信号MFCC特征提取(附完整代码)

你有没有想过你的智能手机是如何理解语音指令的?或者 Alexa 和 Siri 等语音助手如何处理您的命令?这种卓越能力背后的机制在很大程度上归功于一种称为 Mel 频率倒谱系数 (MFCC) 的方法。语音识别技术允许机器解释人类语音,将口语转换为计算机可以操纵的格式。这项技术对于开发交互式和响应式 AI 至关重要,例如声控助手、自动化客户服务系统和实时翻译服务。MFCC 代表 Mel 频率倒谱系数。这是用于自动语音和说话人识别的功能。

baidu_34971492的博客 1315

横评:Laya vs TypeSafe Jev——同样做 System 1 决策,全面超越是真本事还是话术

「决策」正在从 LLM 的附属能力,变成一条独立的工程赛道。TypeSafe Jev 率先定义了 typed decisions 这一品类:不吐文本、只吐结构化答案,用类型系统把「问什么、答什么」固定下来;而 Laya 则给出了另一条路线——非自回归、单次前向传播、一次打分完成全部决策。两个项目都在做 System 1 决策,社区里「Laya 多项指标超越 TypeSafe Jev」的说法也随之发

gitblog_01011的博客 58

Python 爬虫实战:淘宝直播间实时数据抓取(弹幕分析 + 流量监控)

随着电商直播的迅猛发展,淘宝直播已成为品牌推广和商品销售的重要阵地。通过爬取淘宝直播间的实时数据,包括弹幕互动和流量信息,可以帮助商家深入了解用户行为、优化直播策略,同时为市场分析和商业决策提供数据支持。本文将深入探讨如何利用 Python 爬虫技术实现对淘宝直播间实时数据的抓取,并进行弹幕分析和流量监控。

u014481728的博客 733

【Jev】Jev模型和Laya架构

在无法解决确定性的场景面前:快没有太大的意义,省钱也没太大的意义,jev只是一个零样本条件下的排序/分类模型,还是概率【不确定性】。本质上还是猜【单单地猜的更快、更准些】,0-1而非 0/1【不保真】 TypeSafe AI 也在 Jev 1.13 的能力说明中提醒,模型在算术、计数、日期、字面匹配、无关信息干扰、对抗性输入和矛盾条件等任务上表现并不稳定。 文章目录 note 一、相关开源项目 1、Laya 2、awesome-jev-gallery 二、相关例子 三、相关论文 A、生态与全景观察(1 篇)

发现问题,并解决问题,批判性思维 365

RK3588平台开发系列讲解(硬件篇-功能外设2)

RK3588 芯片内置两个USB3.0 OTG控制器(内嵌2个USB2.0 OTG,下图绿色处),1个USB3.0 HOST 控制器,2个USB2.0 HOST控制器。这些控制器与PHY的内部复用图如下:USB3.0 OTG0 控制器支持SS/HS/FS/LS, 内嵌的USB2.0(HS/FS/LS)信号采用USB2.0 OTG PHY, 信号名见下图的红色方框内;RK3588目前仅此接口支持做Fireware的Download,应用中请务必要预留出。

whm128的博客 2512

【全志V821_FoxPi】6-2 IMX219 MIPI摄像头适配

全志V821芯片适配IMX219 MIPI摄像头(2lane)教程,基于FoxPi开发板V1.2 SDK。文章详细介绍了IMX219的技术参数(800万像素、1/4英寸CMOS、支持1080P@30fps输出)及模组接口原理图。重点展示了设备树配置方法,包括PIO引脚定义(TWI0使用PA3/PA4,复位引脚PA2)、TWI0节点设置(100kHz时钟)以及VIND0节点中sensor0的完整配置(I2C地址0x20、MCLK0、RAW格式输出等)。配置过程强调需注意IMX219的器件地址转换(0x10→0

第四维度的博客 2255

生态观察:Jev 之后又见 Laya,「决策引擎」赛道第二梯队成型,谁在跟风谁在创新

当 TypeSafe Jev 把「typed decisions」这个概念带进公众视野——不给大模型念 prompt、不生成文本,而是对结构化问题直接给出带校准概率的类别选择、序数打分与二元判断——它其实重新定义了一个问题:AI 的「决策环节」能否像数据库查询一样快、一样便宜、一样可以审计?一年之后,答案已经不再由一家闭源 API 独占。开源项目 Laya 以 421M 参数、单次前向 33 毫秒

gitblog_00767的博客 180

【WRF-Chem Emissions教程第一期】WRF-Chem 排放概述

WRF-Chem 排放概述

WW、forever的博客 853

为什么 LLM 的置信度在骗你?一个 33ms 校准概率引擎的解法

读前必读:你的 Agent 用 LLM 做分类,返回"confidence: 0.95"——但这个数字根本没有数学依据。LLM 的置信度只是 token 预测,模型完全不确定时照样输出 0.95。本文拆解一个开源引擎 Laya,用 33ms 单次前向传播输出真正可校准的概率,速度是自回归生成的 8 倍,校准精度高 3 倍。

johnsong2009的博客 956

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

Jev 深度技术分析:一种专为 AI Agent 设计的决策模型

Jev 是 TypeSafe AI 于 2026 年 9 月 15 日推出的新型人工智能模型。与 ChatGPT、Claude、DeepSeek 等主要生成文字的大语言模型不同,Jev 专注于快速、低成本地作出结构化决策,尤其适合 AI Agent、业务流程自动化、智能路由和分类系统。它的核心理念是:大语言模型负责理解、推理和生成内容,Jev 负责在预先定义的选项中作出决策,并提供概率和置信度。价格和性能为发布时的官方数据,延迟取决于网络、请求规模及实际运行环境。

AngelCryToo的专栏 705

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

Jev 与 Laya

传统大模型(GPT、Claude、DeepSeek)的目标一直是「跟人聊天」和「帮人干活」,本质是逐字生成文本。2026 年 9 月,前 OpenAI 研究员(ChatGPT 共同发明人之一)创办的发布了Jev——一个「不说人话」的模型。系统一(System 1)系统二(System 2)人类类比直觉判断(一眼看出别人在生气)深度推理(算 17 × 24)模型对应Jev / Laya:直接输出结构化决策传统 LLM:生成文字输出JSON 概率分布自然语言文本。

2201_75455813的博客 322

Jev 王座一周三连击:Laya 开源、StartLux 登顶、Cloudflare 携 Clef 下场

过去七天,"System 1 决策模型"这个此前只有少数人关心的细分赛道,成了开源圈最热闹的战场。先是 ConvAI Innovations 开源了 421M 参数的非自回归决策引擎 Laya,把 TypeSafe 闭源的 Jev 直接拉进了同台对比;紧接着"StartLux 冲上排行榜第一"的消息开始在全网流传,36 氪、智源社区、53AI 等多个平台集中转发;而 Cloudflare 带着自研

gitblog_00432的博客 82

TypeSafe AI 刚官宣 4000 万美元融资,“不会写代码“的 Jev 背后,是 RLCD 1B 复刻路线的全面走红

2026 年的 AI 融资市场上,一笔 4000 万美元的 A 轮显得格外扎眼——不是因为金额,而是因为它投给了一个"不会写代码、不会写文章、甚至不会正常聊天"的模型。由 OpenAI 前研究员(坊间称为"RLHF 之父")创立的 TypeSafe AI 在 9 月推出 System One 模型 Jev,把"概率化判断"从大模型的生成能力里彻底剥离出来,做成了一根可以嵌入任意工作流的毫秒级"智能

gitblog_00614的博客 34

Laya vs Jev 正面刚:“开源平替“这层差到底差在哪

当一个以"闭源 API + 专有数据管线"为卖点的决策模型在开源圈被 48 小时内密集复刻时,社区的第一反应通常是"护城河太薄"。但如果只停留在"又快又便宜"的复刻叙事上,就会错过真正有价值的对比维度:Laya 与 Jev 在同源架构上的具体取舍、实测数字背后的口径差异,以及"平替"这个词在工程意义上到底替掉了什么、又留下了什么。 本文不做口号式对比,而是基于仓库源码与可复现的 benchmar

gitblog_00960的博客 61

33毫秒做一次决策,还从不“编故事”:扒开 Laya 的 RLCD,我发现全网都讲岔了

最近科技圈有个数字特别扎眼:**33 毫秒**。 你眨一次眼大约要 100 到 400 毫秒,而这套叫 Laya 的开源引擎,已经在这段时间里完成了一次“判断”:这封邮件该转给财务还是技术、这条评论要不要拦、这个用户是不是真想退订。 更让人意外的是,它在海外开发者社区和 Hugging Face 上被反复讨论,短短时间就攒下了上万关注。可越是火,说法就越乱——有人把它吹成“规则编译引擎”,有人

gitblog_00357的博客 211

生态观察:Laya 刷榜一周,中文社区的教程、微调、部署内容正在全面开花

开源一周,Laya 在中文技术社区的内容密度已经远超多数同类项目一个月的积累。从 9 月 20 日第一篇"多项指标超越 TypeSafe Jev"的综述,到 9 月 28 日"从数据标注到端侧部署的完整指南",优快云 上以"Laya 决策引擎"为主题的文章在一周内密集出现,并快速完成了从概念快讯 → 架构解析 → 微调实操 → 部署落地的内容三级跳。本文基于社区一周内容快照,逐条对照本仓库源码,

gitblog_00703的博客 103
上一篇: ColorOS 17 发布:从架构到 AI 全面升级,流畅体验与智能服务再突破!
下一篇: Hacker News排名机制揭秘:点赞之外,惩罚因素如何影响文章排名?
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值