独自開発のSystem 1意思決定エンジン「Laya」、Jevより7.8倍高速で完全オープンソース公開
Laya the open source version of Jev
2025年3月のarXiv論文から始まった著者の研究が、非自己回帰型のSystem 1意思決定モデル「Laya」として結実した。双方向エンコーダを採用し、単一GPUで32.8ms（バッチ時7.2ms/問）というJevの6〜8倍の速度を実現。choice、score、noulの3プリミティブで幻覚のない確率出力を可能にし、100言語以上に対応。Apache 2.0で重みも完全公開されている。
モデル自身の確信度は、入力スクリプトが読めないときに何の警告も発してくれない。
HNでの議論
281- prometheus1992
JevとTypesafeに対して人々が抱いた主な不満は、ローンチ時に使われた言葉遣いだったと思う。個人的には、最初はパロディか詐欺か怪しいものに見えた。
「ブレークスルー」、「我々の研究は別の方向に進んだ」、「2年間のステルス」、「システム1思考モデル」、「Jevは幻覚を起こさない」、「RLCD」、「我々はとてもクールなことをしているが、話すには君を雇う必要がある」——これらはローンチブログのウェブサイトに書かれていたことの一部だ。
何年も前に同じ機能を実現するためにbertのバージョンを使ったことがある。しかし、彼らは「幻覚を起こさない」などと言ってVCを騙せたように思える。
上記の著者には、自分の仕事を共有しオープンにしたことを称賛したい。何年も前から利用可能だったものが、そもそもクローズドであるべきではない。
- Oras
昨夜Jevをいじって、Gemini 2.5 flash liteで使っていた分類タスクに使ってみた。
LLMと比べると少し速くて少し安い。一貫性があるのは良かった。しかし、LLM以前にNLPモデルを訓練した者として言うと、これはデータを増やしただけのBERTだ。すぐに使えるワンショット分類器が欲しい気持ちはわかるし、1回の呼び出しで複数の分類器を送る価値もわかるが、これをブレークスルーとは呼べない。多くのラボがすぐに再現して、自分たちのハーネスの一部にするだろう。
これは、ほとんどのタスクで汎用LLMだけに頼るのではなく、基本に戻るべきだという技術コミュニティへの警鐘だと思う。
- dcow
著者が苦々しく感じるのは理解できるが、それでも幼稚に感じる。確かにJevもLayaも無数の先行論文や研究者の研究に基づいている。Diogoはその概念から製品を作ることにした。著者はしなかった。研究論文とモデルの重みを公開することはおそらく問題の一部だ——学術的に感じられる。著者のプロフィールを見ると、AIをヘルスケアに応用することに焦点を当てている。AIに傾倒した企業や開発者に汎用AIの型安全性を売っているわけではない。そこには大きな違いがある。それが良いか悪いかは一日中議論できる。しかし、著者がそうでないことを期待するのはかなり奇妙だ。ただ、あまり腐らずに何かしようとしているのは称賛に値する。
- kamranjon
この主張には本当に興味深い。というのも、現在の通説ではtypesafeは実際にはGLiNER[1]の仕事を再パッケージしたものだと思われていたからだ——その方がより近い一致のようで、彼らの元の論文[2]はあなたのものより数年早い。以前にそれを聞いたことがあるか気になる。これもオープンソース[3]で、良い使い方もあると思う。
[1] https://arxiv.org/abs/2507.18546
- wren6991
「この会議はメールで済んだのに」という言葉は誰もが聞いたことがあるだろう。今度は「このVC支援企業は一本のarXivプレプリントで済んだのに」を用意してほしい。
Jevをあまり軽視したくはないが、能力が簡単に再現できるのに2年間ステルスで技術を開発するのは私には意味がわからない。公共研究を行うインセンティブと、非公開で開発するインセンティブの両方が侵食されている奇妙な時代だ。
- baobabKoodaa
Jevはフロンティア知能だと主張している。Layaは「Jevのオープンソース版」と主張しているが、小さなコンテキストウィンドウを持つ小さなオープンウェイトモデルを使っている。小さなモデルを試したことがある人なら、それが「フロンティア知能」からほど遠いことを知っている。Layaがこれらの小さなモデルを使っているのに、「フロンティア知能」を持つ「Jevのオープンソース版」であり得るとは考えにくい。
また、OPが言及している論文は、汎用分類器（Jevがそうである）のようなものを記述していない。彼らの論文は、特定のビジネス問題に対する特注のソリューションを記述している。Jevと類似点はあるだろうが、それでも全く別物であり、OPが同じものだと主張する理由がわからない。
信じないなら、PDFを開いて要旨を読んでみてほしい。
- hmokiguess
Jevで最大の教訓は、より広い聴衆に対するコミュニケーションと理解だったと思う。時にイノベーションの多くは、自分自身を繰り返し、自分の考えを意図した聴衆に翻訳することを含む。
古典的な機械学習は、その大部分が、科学の性質上、学術用語の背後にあり、製品として関わりにくい。
Jevは「システム1」モデルを造語し、標準的なアプリケーションインターフェースと、現在のソフトウェア開発のパラダイムに定着したコアプリミティブを定義した点で本当にうまくやった。
これは、Cursorが当時オートコンプリートを異なるUXとして再発明し、突然みんなが使うようになったのと似ている。理解のハードルが低かったからだ。
最後に、タイミングがすべてだ。Cursorが先行者利益を得たように、ML Opsがしばらく存在していたにもかかわらず、彼らは「システム1」ブラックボックスの背後に概念をカプセル化し、ソフトウェア構築の既存のメンタルモデルに適合させ、トークンコストが重要な指標として注目される適切なタイミングでデータ契約を出荷することに成功した。
- mixedbit
残念ながら真実は、最高の仕事でさえ聴衆の前に出すことは、問題を解くよりもはるかに難しいことが多い。arXivに論文をアップロードすれば、仕事が認められ引用されると期待できるだろうか？残念ながら、そうではない。arXivはオープンなリポジトリで、査読されていない、公式に出版されていない論文も多数含まれている。機械学習のような人気分野では、arXiv論文の数は圧倒的だ。機械学習の専門家がarXiv論文に偶然出会い、その価値を認識すると期待するのは願望に過ぎない。
私は研究者ではないが、ずっと昔にTCPに対する新しく、一見興味深い攻撃のアイデアを思いついた。仕事の合間に時間があったので、それについて論文を書き、概念実証を作成し、USENIX Securityに論文を送ることにした。2件のレビューが返ってきて、どちらもかなり肯定的な口調だったが、攻撃の個々のステップしか示しておらず、エンドツーエンドで攻撃が機能することを示せばもっと強力になるという理由で却下された。その時点で、私は論文をarXivにアップロードして終わりにした。その論文に多くの労力を注いだが、十分ではなかった。正式に出版されたとは考えておらず、誰かが引用するとも思っていない。論文は査読プロセスに失敗し、私はそれをさらに改善するための作業をしなかった。