---
title: 老框架，新部件：用 Jev 让概率模型自己建、自己更新
date: '2026-10-23T14:40:00+08:00'
summary: 用大量是否命题建一个领域模型，用 Jev 估计概率，把现实中发生的事件作为证据输入，实时更新对未来的预测。这类模型已有四十多年的成熟框架，没有普及是因为建模和维护太贵。Jev 能把其中两个最贵的环节自动化：估计概率，以及把文字消息转成证据。
lang: zh
category: AI/Jev
---

前三篇文章（《[概率门](/blog/probability-gates/)》《[概率门实验](/blog/probability-gates-experiments/)》《[Jev 能用来做什么](/blog/jev-applications/)》）推到最后，可以归结为四点：

1. 用大量相互独立的是否命题，构建一个特定领域的预测模型；
2. 由 Jev 提供快速、便宜的概率判断；
3. 现实中不断发生的事件作为输入，变成已确定的事实；
4. 模型据此动态、实时地更新对未来的预测。

这类模型并不是新东西，相关的框架已经有四十多年历史。这篇文章说明这些框架是什么、为什么没有普及，以及 Jev 改变了其中哪两个环节。

## 四点各自对应的成熟框架

| 四点 | 对应的框架 | 过去的瓶颈 | Jev 能做什么 |
| --- | --- | --- | --- |
| 用是否命题构建领域模型 | 贝叶斯网络（Pearl，1988）、影响图（Howard 与 Matheson，1980 年代）、故障树、马尔可夫逻辑网络（2006） | 要领域专家逐条梳理命题和依赖关系，模型做不大 | 大模型列出命题，Jev 判断「A 会直接影响 B 吗」 |
| 快速的概率判断 | 专家概率估计：SHELF、Cooke 的经典模型（按专家过去的准确度加权）、德尔菲法 | 专家贵且慢，几百个参数要开好几轮会 | 每次约 0.2 秒、成本很低，可以问上万次；按准确度加权对应于校准 |
| 现实事件作为输入 | 贝叶斯网络中的证据；不确定的观察用 Pearl 的虚拟证据或 Jeffrey 规则处理 | 新闻、邮件、报告要人读完，再判断哪个命题因此成立 | Jev 判断「这条消息是否说明 A 已经发生」，给出概率，作为证据输入 |
| 动态、实时预测 | 动态贝叶斯网络、隐马尔可夫模型、卡尔曼滤波、粒子滤波 | 状态随时间变化的规律也要人来设定 | 转移概率同样可以由 Jev 估计 |

检验预测质量也有现成方法：Brier 分数、校准曲线、预测聚合，以及 Tetlock 关于超级预测者的研究和预测市场。

其中故障树和概率门的类比最接近：它就是一张由与门、或门组成的图，每个输入带一个故障概率，在核电和航天的风险评估中已经用了几十年。

## 为什么这些框架没有普及

方法本身是成熟的，主要用在医疗诊断、设备故障排查、核电风险评估、信用评分这类价值高、变化慢的领域。没有走得更远，原因是建模和维护的成本：领域专家要花几周梳理结构、估计参数，情况一变又要重新来过。所以过去只有少数足够重要、足够稳定的问题，才值得建一个概率模型。

## Jev 改变的两个环节

**第一，估计概率**。过去最贵的是让专家给出几百上千个条件概率。在实验里，Jev 在 33 组人口普查数据上的排序相关约为 0.97–0.98，用少量真实数据校准后，估计比例的误差约为 0.04。用 Jev 填参数的贝叶斯网络，加上从数据统计的基础比例，回答 34 个问题的平均误差是 0.046，约为直接问 Jev 的一半，而且所有回答彼此自洽。

**第二，把文字消息转成证据**。现实中的变化大多以文字出现：一封邮件、一段聊天、一条新闻。过去要人读完再更新模型，所以概率模型很难做到实时。Jev 可以对每条消息、每个相关命题问一次「这条消息是否说明它已经发生」，得到的概率作为软证据输入模型，按 Jeffrey 规则更新。一条消息涉及十几个命题，也只需要一次请求。

这两个环节自动化之后，建一个模型从几周变成几分钟，更新从定期人工变成每条消息进来就更新。

![示意：一条消息进来之后](/blog/assets/jev-live-models/live-update.svg)

## 一个例子

以「这个项目能否按期交付」为例（以下数字为示意）：

- 模型里有十几个命题：需求是否已冻结、关键成员是否稳定、供应商是否按时、测试环境是否就绪、客户验收标准是否明确等，以及它们之间的依赖。
- 初始状态下，模型给出「按期交付」的概率是 69%，并列出这个结论最依赖的三个判断。
- 一封邮件进来：「供应商通知，接口交付推迟两周。」Jev 判断这封邮件说明「供应商延期」的概率为 0.93，同时对其他命题几乎没有影响。
- 模型更新后，「按期交付」降到 42%。界面显示变化的原因是哪封邮件，经过了哪几个命题；还显示如果「测试环境提前就绪」，概率能回到多少。

这里的每个数字都来自同一个分布，可以追溯到具体的判断和具体的消息。项目结束后，实际结果回填，用来校准下一次的判断。

## 和直接问大模型的区别

直接把项目情况和这封邮件交给大模型，也能得到一个判断。区别在于：

- 模型里所有概率彼此自洽，换一种问法不会得到不同的答案；
- 每次变化都能说清是哪条消息、经过哪些命题造成的；
- 可以做假设分析，答案即时得到，不需要重新调用模型；
- 每个判断都能用回填的结果检验和校准。

近两年已有研究用大模型生成影响因素，再用贝叶斯模型计算概率，例如 2024 年提出的 BIRD 框架，方向与此一致。Jev 这类专门做判断的模型更快、更便宜，所以模型可以做得更大，也可以随每条消息更新。

## 边界

- 所有参数来自同一个 Jev，系统偏差是共有的，需要用真实结果校准；能从数据统计的基础比例，直接用数据。
- 命题和依赖关系可能出错，结构错误比参数误差影响更大。
- 一条消息是否真的说明某个命题成立，Jev 也会判断错；软证据比硬性认定更稳妥，但同样需要检验。
- 开放问题在结果揭晓前无法校准，概率主要用于比较和排序。

## 下一步

我们正在把这套方法做成一个产品原型：输入一个问题，自动建出模型；接入消息流，概率随消息实时变化，并说明原因。验证方式是在已有结果的历史项目和公开预测题上，比较它和直接询问大模型的准确度与校准度。

---

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。