近期，TypeSafe AI推出的Jev模型因能直接输出供代码调用的决策及对应概率而备受关注。该模型核心亮点与入选NeurIPS 2025的ConfTuner论文思路高度一致，均强调对完整候选概率分布的建模与校准。ConfTuner由新加坡国立大学团队提出，采用Tokenized Brier Score方法，仅需答案对错标签即可训练模型，使模型输出的置信度更接近真实正确率。该损失函数有理论支撑，实验表明可大幅降低预期校准误差，训练效率高，且校准后的概率能提升下游任务准确率。其延伸开源项目JevTuner进一步探索将该思路应用于业务决策场景，为将候选概率作为模型首要输出、支撑AI决策接入自动化工作流提供了可行的技术路径。