---
title: Jev 能用来做什么：从概率门到可计算的信念模型
date: '2026-10-23T13:07:44+08:00'
summary: 总结前两篇的理论和实验，提出一种分工：Jev 只估计最基础的概率，组合与推断全部交给数学，准确度靠真实数据校准。按这种分工，可以把大模型的知识整理成一个彼此自洽、可以编辑和推演的概率模型。文章讨论它和直接问大模型的区别，以及几类应用方向。
lang: zh
category: AI/Jev
---

前两篇《[概率门：从比特到概率的电路](/blog/probability-gates/)》和《[概率门实验：Jev 的概率能直接用吗](/blog/probability-gates-experiments/)》分别讨论了理论和实验。这一篇把结论放在一起，看 Jev 适合用来做什么。

## 目前的结论

实验部分的发现可以归成六条：

1. **快，便宜，可以批量问**。服务端单次约 0.2 秒；一次请求同时问十几个问题，彼此基本不影响。
2. **输出几乎是确定的**。同一个问题重复问，答案几乎不变，所以误差主要是系统误差，重复调用不能减小误差。
3. **严格互补的是否问题基本自洽**。「是」和「不是」两个概率之和与 1 平均只差约 0.04。
4. **直接问组合问题不可靠**。分别问 A、B、A 且 B、A 或 B，81% 的组合违反概率规则；「或」被系统性低估约 0.10。
5. **排序准，数值偏向中间**。在 33 组人口普查数据上，Jev 估计的高收入比例与真实比例的排序相关约 0.97–0.98，但低比例被高估；用少量真实数据校准后，误差从 0.119 降到 0.042。
6. **分步组合不会自动更准**。方向不一的误差会抵消，同向偏差会原样传下去，只能靠校准处理。

## 一种分工

这些结论指向一种分工：

- **Jev 只估计最基础的概率**：单个命题的概率，以及在明确条件下的条件概率。单个对象的判断用是否问题，群体比例用按档打分，互斥的类别用多选题；
- **组合、推断、抽样全部交给数学**：「且」「或」、边缘化、贝叶斯更新、抽样，都由程序按概率规则计算，不再问 Jev；
- **准确度靠真实数据校准**：用已知结果修正 Jev 的系统偏差，而且在使用的那一层上校准；
- **结构由大模型、人或现成的命题库提供**：有哪些命题，谁依赖谁。其中依赖关系也可以交给 Jev 判断，见下文。

![示意：分工](/blog/assets/jev-applications/division.svg)

这样分工之后，自洽由数学保证，不依赖 Jev；准确度由校准决定，可以用数据持续检验。

## 用是否问题确定一个大模型

只用是否问题，能不能确定一个包含大量命题的完整概率模型？可以，有现成的数学结构。

n 个是否命题共有 2ⁿ 种组合，直接描述完整的联合分布需要 2ⁿ − 1 个数，不可能逐个去问。**贝叶斯网络**用链式法则把它拆开：每个命题只依赖少数几个「父命题」，需要的参数是「已知父命题取某组值时，这个命题成立的概率」。每个参数正好是一个带条件的是否问题。

这组参数有一个关键性质：它们在数学上相互独立。每个参数取 0 到 1 之间的任何值，合起来都是一个合法、自洽的联合分布。所以参数可以分别问、分别校准、分别替换，自洽由结构本身保证。实验里看到的矛盾，只会在同一个量被重复估计的时候出现。

如果问了很多相互重叠的问题，比如单项概率和两两同时成立的概率，答案之间可能不一致。这时可以用**最大熵方法**：找一个尽量满足所有答案、此外不做多余假设的分布。数学上它是一个玻尔兹曼机：每个命题有一个偏好，每两个命题之间有一个耦合强度。

这和训练模型参数的方式不同。玻尔兹曼机和神经网络的参数，通常要从大量数据中学习，或者用强化学习调整。这里 Jev 直接给出概率，程序据此算出参数，不需要训练。知识仍然来自一个训练好的模型（Jev 本身），但它被整理成了一组有名字、有含义、可以单独检查的数字。

## 结构也可以大部分交给 Jev

结构包括两部分：有哪些命题，以及谁依赖谁。

依赖关系可以用是否问题确定。对每一对命题问「A 会直接影响 B 吗」，n 个命题需要 n(n−1) 个问题。50 个命题约 2,450 个问题，这些问题读的是同一段背景，一次请求可以问十几个，总共一两百次请求。还要处理两件事：

- **间接影响**。如果 A 通过 B 影响 C，Jev 也可能对「A 直接影响 C」回答是。可以再问「已知 B，A 还会影响 C 吗」，去掉多余的边。这就是结构学习中 PC 算法的做法，只是把独立性检验从统计检验换成了 Jev 的判断。
- **环**。如果「A 影响 B」和「B 影响 A」都被判断为是，贝叶斯网络不允许这种情况。可以问「A 发生在 B 之前吗」来确定方向，或者由程序保留概率更高的方向。

有哪些命题，Jev 自己提不出来，因为它不生成文字。但它可以从现成的命题库里挑选：对库里的每一条问「它和这个问题相关吗」。如果为某个领域事先建好一个足够大的命题库（这一步由大模型或人完成，只做一次），运行时就只需要 Jev 和数学：挑选命题、确定依赖、估计概率、计算结论。这样的系统在运行时快、便宜，结果可以复现。

## 和直接问大模型有什么不同

模型建好之后，能做到几件直接问大模型做不到的事：

1. **所有回答彼此自洽**。对同一个模型问 100 个不同的问题，答案都来自同一个分布，不会相互矛盾。分别问大模型 100 个问题，答案之间常常对不上。
2. **假设分析即时完成**。设定「假设这件事已经发生」，其余所有命题的概率按贝叶斯规则精确更新，不需要再调用任何模型。
3. **能看到结论依赖哪些判断**。可以计算结论对每个参数的敏感程度，列出「这个结论主要取决于这几个判断」。用户不同意哪一个，就改哪一个，结论随之更新。
4. **能给出结论的可靠程度**。同一个参数用几种问法分别估计，把它们的差异传到结论上，得到的是一个区间，比如「62%，区间 55%–70%」，而不只是一个数。
5. **可以给出多种结局**。从联合分布中抽样，每次得到一个内部自洽的「可能世界」，再由大模型写成一段描述。各个结局的概率由同一个分布决定，不是凭空给出的百分比。
6. **一次建模，反复使用**。一个上万参数的模型，用 Jev 实例化一次大约需要几分钟，费用在一美元以内；之后的查询都在本地计算，即时返回。

## 这条路有人走过

决策分析在 1970 到 1980 年代就形成了一套成熟方法：影响图、信息价值、敏感性分析，斯坦福的 Ron Howard 是这个领域的重要推动者。它和贝叶斯网络遇到的是同一个问题：每个参数都需要专家估计，成本很高，模型因此做不大。Jev 提供了一个便宜、随时可用、可以调用上万次的估计来源。方法是现成的，过去缺的是这个来源。

## 应用方向

按落地难度从低到高：

1. **业务判断流水线**。消息路由、工单分诊、操作审批、风险分级。每一步给出校准过的概率，不确定的交给人，每次判断都有记录。这是 Jev 最直接的用法。
2. **验收评测**。按验收标准逐条判断 AI 系统的输出是否合格，先用人工评分校准，之后每次改动都自动跑一遍全部样例。
3. **可推演的信念模型**。用户提出一个问题，比如「这个项目年底前会不会延期」：大模型列出关键命题和依赖关系，Jev 填写全部条件概率，界面上显示一张命题图。点任一命题设为「已发生」，其余概率立刻更新；侧边列出结论最依赖的判断和分歧最大的参数；还可以抽出几种可能的结局。事情有了结果之后回填，用于下一次校准。它和单个 Jev（问一个问题，得到一个数）、和大模型（问一个问题，得到一段话）都不一样，是在一个自洽的模型里探索。
4. **其他实现**：
   - 诊断：每一步选出最能缩小不确定性的问题，用尽量少的提问定位原因；
   - 事件追踪：跟踪某个事件的概率，随新消息逐条更新，并显示是哪条消息改变了概率；
   - 用自然语言建立概率模型：大模型提出变量和依赖，Jev 填写参数，少量数据校准。

在中国大陆向客户提供服务时，把数据发给境外模型涉及数据出境。概率门是一层抽象，也可以用国内模型加校准实现，同一套结构和工具都能沿用。

## 边界

- **数学上独立，不等于误差独立**。所有参数来自同一个 Jev，系统偏差是共有的，必须校准。
- **结构可能出错**。大模型提出的命题和依赖关系不一定对，结构错误比参数误差影响更大。
- **规模带来的不是更强的能力**。参数再多，也不会超出 Jev 本身的知识；规模换来的是覆盖面、一致性和可解释性。
- **开放问题缺少校准数据**。没有已知结果的问题无法直接校准，只能借用同类已揭晓问题的校准，在此之前概率主要用于比较和排序。

## 下一步

1. 用 Adult 数据搭一个六七个变量的小型贝叶斯网络，参数全部由 Jev 估计，和真实数据、直接询问的结果比较；
2. 做一个「可推演的信念模型」原型；
3. 继续前瞻预测实验，检验开放问题上的校准。

---

说明：Jev 通过 Vercel AI Gateway 按量付费调用。作者和榫卯 Tenon AI 与 TypeSafe AI 没有合作关系，也没有收到任何费用。