NUSがJeva-4Bを公開：「適切な選択肢なし」とキャッシュを意思決定アーキテクチャに組み込む
新智元の報道によると、シンガポール国立大学xML LabはJevaを提案した。Qwen3.5-4Bを基幹モデルとして決定ブロックを追加し、選択・null・スコアを直接出力する。論文は順序反転率がゼロ、2,048候補で精度69.88%と報告し、重みはHugging Faceで公開済みとする。
主な変更
新智元の2026年10月26日の報道（原文の1792987620000に対応する日付）によれば、シンガポール国立大学xML Labは論文とコードを公開し、意思決定タスク向けのJevaアーキテクチャを提案するとともにJeva-4Bモデルを公開した。報道によると、このモデルはQwen3.5-4Bを基幹モデルとし、軽量な決定ブロックを追加した構成である。共有エンコーダがリクエストと候補選択肢をそれぞれ表現し、決定ブロックは候補集合全体を読み取り、リクエスト状態のみを更新する。そのため選択肢の表現はキャッシュして再利用でき、現在の判断は毎回再計算される。 報道は四つの設計目標を挙げている。第一に「候補間でどれがより良いか」と「集合全体に受け入れ可能な答えが存在するか」を区別し、後者は被覆確率で別途推定し、nullの出力を許す。第二に候補集合に対して対称な集約を行い、確率がリスト上の位置ではなく候補の同一性に従うようにする。第三に各候補に同一の評価規則を用い、多段階の淘汰ではなく候補集合全体を直接扱う。第四に選択肢の意味表現とその層投影をキャッシュし、候補集合が再構成された際に再利用する。同じ計算系がChoice、Noul（命題が真である確率）、Scoreの三種類の出力を支える。 報道が示した実験結果はいずれも論文によるものである。BANKING77から構築した3,080リクエスト（各リクエスト16候補、うち588件は回答不在）で、null検出のAUROCは98.66%、比較対象はKEV-BF16が93.61%、InternDecision-4Bが84.27%、JevK5が79.44%だった。600件のChoiceサンプルで元の順序、逆順、および最大3種類のランダム順列をテストしたところ、Jevaの元の精度と「全テスト順序で正解」の精度はともに76.67%で、決定の反転は見られなかった。比較対象の反転率は17.00%、22.67%、26.17%だった。ToolRetの32から2,048候補の設定では、2,048候補で精度69.88%、単一のH200上でのリクエスト中央値遅延は12.04秒だったのに対し、JevK5は67.47%と約28.35秒だった。83問を固定し候補を32から2,048に拡張した場合、Jevaはすべての規模でそのうち58問に正解し、JevK5は48問、CLMは7問だった。MLDRの長文書実験では、候補がすべてキャッシュにヒットした場合、リクエスト中央値遅延は約2.10秒から75.1ミリ秒に短縮された。報道は異なるキャッシュ条件でも決定の変化は観察されなかったとしている。上記の数値はいずれも論文の自己申告であり、本稿は独立に再現していない。
開発者への影響
開発者にとって、Jevaが提示するのは汎用チャットモデルではなく、「ランキング＋拒否＋キャッシュ」を推論経路に結合した形態であり、いくつかの種類のシステムの接続設計を変える。第一に出力契約が変わる。候補集合を1回のリクエストの入力とし、モデルはnullを含む分布やスコアを返すのであって、再解析可能なテキストを返すのではない。既存の「モデルにJSONで1つ選ばせる」プロンプト連鎖をこの種のモデルに切り替えるには、サービス層で候補ID、被覆確率の閾値、null時のフォールバック動作を定義する必要があり、ログにも今回のリクエストの完全な候補集合を記録しなければ、ある拒否が候補の不適切さによるものかモデルの誤りかを後から判断できない。第二にキャッシュがプロンプト層からアーキテクチャ層へ移る。報道によればキャッシュできるのは答えではなく選択肢の表現であり、これは政策条文、長文書ライブラリ、固定の評価基準など「候補が比較的安定し、質問が絶えず変化する」場面に直接的な意味を持つが、キャッシュキーをモデルバージョン、決定タイプ、エンコード設定に結び付ける必要があり、モデルやエンコード設定が変われば古いキャッシュは無効化しなければならない。第三に候補規模を多段階の淘汰で制御する必要がなくなる。報道によれば2,048候補でも同一の決定ヘッド内で比較され、検索後の再ランキング処理を簡素化するが、遅延は候補数と候補長に直接結び付く。12.04秒という中央値遅延は、大規模候補集合が依然として対話型呼び出しではなくオフラインまたは非同期タスクであることを示す。なお、報道における比較モデルの名称（Jev-1.13.0、JevK5、CLMなど）やベースライン設定の情報は限られており、読者はこれらの比較数値を自身のデータ分布や中国語の業務候補集合に外挿すべきではない。
導入と評価の提案
以下は提案と条件分析であり、報道された事実ではない。 判断一：既存の「生成的選択」を決定ヘッドのインターフェースに置き換えるかは、候補が列挙可能か、また拒否を明示する必要があるかによる。業務に「集合全体が不適切」という状況が実際にある場合（チケットの割り当て、意図ルーティングなど）、報道のnull対応設計は個別に検証する価値がある。自身の実分布から「適切な候補なし」のリクエスト群を構築し、回答ありのリクエストと混ぜて閾値を走査し、AUROCと固定誤拒否率（例えば5%）での再現率を記録する。この指標が既存のプロンプト方式を明確に上回る場合に限り、インターフェース改造のコストを負う価値がある。候補に常に正解が存在するなら、この能力の利得は限られ、改造の優先度は下げるべきだ。 判断二：選択肢キャッシュを採用するかは、候補ライブラリの再利用パターンによる。まずオンラインリクエストの一群を統計し、候補集合間の重複比率（報道の例はABC、BCD、ACDのような段階的な重複）を計算する。重複度が高く候補テキストが長い場合、報道の考え方に沿って全ヒットとゼロヒットの2ケースでリクエスト遅延の差を測定できる。同時に、キャッシュヒットの前後で同一リクエストの決定が一致するかを必ず検証すべきだ。報道は自身の実験で決定の変化が観察されなかったと述べるのみで、あなたのデータでの等価性を保証するものではない。候補がほぼ毎回全新しいなら、キャッシュ層の複雑さが利得を上回る可能性がある。 判断三：候補規模の上限は精度だけでなく遅延予算に基づいて決めるべきだ。報道は2,048候補で69.88%の精度と12.04秒の中央値遅延を示しており、この2つの数値は併せて見るべきだ。秒単位の応答が求められる場面では、より小さい候補集合で精度曲線を測定し、精度が下がり始める変曲点を見つけてから、候補を拡大するか既存の検索絞り込みを維持するかを決める必要がある。評価時には問題を固定し候補を段階的に増やす（報道の83問を32から2,048へ拡張した方法をそのまま借用できる）とともに、「すべての規模で正解」の比率を統計すべきだ。これは単一点の精度よりも安定性を露呈しやすい。 判断四：順序の頑健性はリリース前の固定回帰項目とすべきだ。報道の方法に従い、同一サンプル群で元の順序、逆順、複数のランダム順列をテストし、位置ではなく候補の同一性で結果を揃え、反転率を記録する。コンプライアンス、リスク管理、評価に関わる場面では、反転率は平均精度よりも注視すべき指標だ。
制限と未確認事項
本稿の実験数値はすべて新智元が伝えた論文結果に由来し、独立に再現していない。比較モデルの設定や学習の詳細は報道では不完全であり、モデル間の比較には注意が必要だ。報道はJeva-4Bの重みがHugging Face上で採用する具体的なライセンス条項を説明していない。重みがダウンロード可能であることは商用利用や再配布が可能であることを意味せず、導入前にモデルカードとライセンス原文を自身で確認する必要がある。報道はAPIサービス、価格、ホスティングの可用性に関する情報も示していない。何らかの呼び出し方法が存在する場合も、提供元の説明による。さらに、報道の実験はBANKING77、ToolRet、MLDRなど英語タスクに集中しており、中国語の候補集合、業界用語、長文書での性能は不明だ。特に指摘すべきは、Jeva-4Bというバージョンは現在KimiSeekのモデルカタログに存在せず、KimiSeek上にこのバージョンに正確に対応する項目はないという点だ。そのAPI可用性に関するいかなる記述も提供元のみを指し、本サイトとは無関係である。KimiSeek上で同種の意思決定タスクを行う場合は、本サイトに掲載済みのモデルを別途評価し、価格ページを基準とすべきだ。