{"content_id":"klwm55imio","slug":"jev-decision-model-branching-design-and-limitations","locale":"id","schema_type":"TechArticle","category":"knowledge_base","category_name":"Basis Pengetahuan","title":"Model keputusan Jev: desain percabangan dan keterbatasan","summary":"Jev adalah model keputusan dari TypeSafe AI yang mengembalikan pilihan yang telah ditentukan dan probabilitas. Ringkasan ini membahas cara menghubungkannya ke kode menurut jenis pertanyaan, inferensi tipe, penafsiran tingkat keyakinan, serta hal-hal yang perlu diverifikasi saat diterapkan untuk bahasa Korea.","sponsorship_disclosure":null,"affiliate_disclosure":null,"commerce_disclosure":null,"author":{"name":"injoys","url":"https://injoys.com/ko/about"},"key_points":["Jev mengembalikan pilihan dan probabilitas yang dapat digunakan kode, bukan kalimat bebas.","Choice untuk memilih kategori, Score untuk penilaian bertahap, dan Noul untuk menanyakan probabilitas bahwa sesuatu benar.","SDK TypeScript menyimpulkan tipe jawaban dari definisi pertanyaan.","confidence adalah nilai yang merangkum distribusi probabilitas, bukan tingkat ketepatan jawaban itu sendiri.","Layanan berbahasa Korea perlu mengevaluasi tingkat pemrosesan otomatis dan tingkat keputusan yang keliru secara bersamaan menggunakan datanya sendiri."],"content_markdown":"Jev adalah model pengambilan keputusan TypeSafe AI yang mengembalikan pilihan yang telah ditentukan beserta probabilitasnya. Model ini cocok untuk menghubungkan penilaian bahasa alami dengan kondisi percabangan dalam kode. Format keluarannya dibatasi, tetapi ketepatan penilaiannya tidak dijamin.\n\nHarga mengacu pada pengumuman 15 September 2026, sedangkan batasan mengacu pada dokumen yang ditinjau per 17 September.\n\n## Tugas apa yang ditangani Jev?\n\nJev membaca input dan mengembalikan jawaban terstruktur untuk pertanyaan yang telah ditentukan. Masukkan materi yang akan dinilai ke `state`. Tetapkan kriteria penilaian dalam `questions`. Jawaban yang dikembalikan dapat digunakan untuk klasifikasi atau penentuan prioritas.\n\nTypeSafe AI menyebut pendekatan ini model System One. Metode pelatihannya dijelaskan dengan nama RLCD, yaitu pembelajaran penguatan yang berfokus pada kalibrasi probabilitas penilaian. Namun, ketepatan untuk setiap layanan tetap harus diuji secara terpisah.\n\nDokumen resmi Introduction menyatakan prinsip desainnya sebagai berikut.\n\n\u003e Atomic questions, composed in code\n\u003e\n\u003e TypeSafe AI, Introduction\n\nArtinya, setiap pertanyaan sebaiknya menangani satu penilaian. Gabungan beberapa penilaian ditangani dalam kode. Pertanyaan-pertanyaan dalam satu permintaan menilai keadaan yang sama secara independen. Struktur selengkapnya dapat dilihat di [TypeSafe AI Introduction](https://docs.typesafe.ai/introduction).\n\n## Perbandingan Choice·Score·Noul\n\nPilih jenis pertanyaan berdasarkan cara jawaban yang dikembalikan akan digunakan dalam kode. Menentukan departemen penanggung jawab adalah persoalan memilih kategori. Menilai tingkat keparahan adalah persoalan evaluasi yang memiliki urutan. Ada atau tidaknya permintaan tertentu dapat dibedakan menjadi benar dan salah.\n\n| Jenis | Hal yang ditanyakan | Nilai utama yang dikembalikan | Penggunaan dalam kode |\n| --- | --- | --- | --- |\n| Choice | Termasuk kategori mana dari pilihan yang ditentukan | `choice`, `probabilities`, `confidence` | Percabangan `switch` |\n| Score | Berada pada tingkat mana dari tahapan yang dijelaskan | `score`, `probabilities`, `confidence` | Membandingkan skor dengan ambang batas |\n| Noul | Apakah kondisi tertentu benar | `noul` | Membandingkan probabilitas, lalu melakukan percabangan `if` |\n\n### Bagaimana menentukan pilihan untuk Choice?\n\nChoice menerima hingga 255 pilihan dalam satu pertanyaan. Nama dan deskripsi setiap pilihan dinilai bersama. Jika input di luar daftar mungkin masuk, pertimbangkan pilihan seperti `other`. Ini dirancang untuk mengurangi klasifikasi yang dipaksakan.\n\nChoice memilih satu dari kandidat yang diberikan. Jika Anda juga perlu menilai secara terpisah apakah semua kandidat tidak sesuai, tambahkan pertanyaan. Jumlah probabilitas yang dikembalikan adalah 1. Definisi dan batasannya tercantum dalam [dokumentasi Choice](https://docs.typesafe.ai/primitives/choice).\n\n### Apa perbedaan Score dan Noul?\n\nScore menilai posisi pada tahapan yang disertai deskripsi. Nomor tahap dimulai dari 0. Hasilnya adalah rata-rata tertimbang probabilitas dari nomor tahap. Karena itu, skor yang dikembalikan juga bisa berupa bilangan bukan bulat.\n\nNoul mengembalikan probabilitas bahwa suatu kondisi benar, antara 0 dan 1. Nilai mendekati 0.5 berarti probabilitas benar dan salah hampir sama. Jangan mengartikannya sebagai tingkat ketidakpuasan yang sedang. Gunakan [Score](https://docs.typesafe.ai/primitives/score) untuk mengukur tingkat, dan [Noul](https://docs.typesafe.ai/primitives/noul) untuk menanyakan ada atau tidaknya sesuatu.\n\n## Perbandingan peran dengan kode biasa dan model generatif\n\nSerahkan perhitungan yang pasti kepada kode dan hanya penilaian makna kepada model. Menulis kalimat baru adalah tugas model generatif. Jev cocok untuk penilaian dengan rentang jawaban yang telah ditentukan. Pembedaan ini dapat menjadi dasar untuk menentukan bagian dari fitur yang sudah ada yang akan diganti.\n\n| Kondisi tugas | Cara penanganan yang sesuai | Alasan |\n| --- | --- | --- |\n| Menghitung selisih tanggal atau jumlah item | Kode biasa | Dapat dihitung secara tepat berdasarkan aturan |\n| Mengklasifikasikan departemen penanggung jawab untuk pertanyaan pelanggan | Jev Choice | Penilaian makna dengan pilihan yang telah ditentukan |\n| Menilai tingkat keparahan laporan gangguan | Jev Score | Penilaian di antara tahapan yang dijelaskan |\n| Memastikan adanya permintaan untuk terhubung dengan agen | Jev Noul | Menilai ada atau tidaknya maksud tertentu |\n| Menulis jawaban atau ringkasan bebas | Model generatif | Perlu menghasilkan string baru |\n\nSaat menangani keluaran berupa string, kode untuk memvalidasi format mungkin diperlukan. Jev dirancang untuk langsung mengembalikan jawaban dalam format yang ditentukan. Namun, bukan berarti semua validasi dan percobaan ulang tidak lagi diperlukan. SDK resminya juga menyediakan kebijakan percobaan ulang untuk mengantisipasi kesalahan komunikasi dan sebagainya.\n\nTetap rancang validasi input eksternal dan pemeriksaan aturan bisnis secara terpisah. Jawaban model bisa sesuai dengan tipe yang ditentukan, tetapi keliru secara bisnis. Pembedaan ini merupakan interpretasi desain berdasarkan [Client SDKs](https://docs.typesafe.ai/sdk) dan [dokumen batasan model](https://docs.typesafe.ai/model-jaggedness/jev-1.13) resmi.\n\n## Definisi pertanyaan TypeScript dan tipe jawaban\n\nSDK TypeScript menyimpulkan tipe nilai yang dikembalikan dari definisi pertanyaan. Kunci pilihan pada Choice menjadi nilai yang diizinkan dalam jawaban. Dengan demikian, perbandingan dengan string yang tidak diizinkan dapat ditemukan saat kompilasi. SDK memerlukan Node.js 20 atau versi lebih baru.\n\nKode berikut adalah contoh penjelasan yang diadaptasi dari bentuk pemanggilan SDK resmi. Ini bukan contoh yang mengukur hasil eksekusi atau ketepatan. Variabel lingkungan `TYPESAFE_API_KEY` harus diatur.\n\n```typescript\nimport { TypeSafeClient, choice } from \"@typesafe-ai/sdk\";\n\nconst api = new TypeSafeClient();\n\nasync function classifyMessage(message: string) {\n  const result = await api.systemOne({\n    model: \"jev-1.13.0\",\n    state: { message },\n    questions: {\n      topic: choice(\"Classify the subject of message.\", {\n        account: \"Account access or password problems\",\n        delivery: \"Shipment tracking or delivery problems\",\n        other: \"Any subject outside those categories\",\n      }),\n    },\n  });\n\n  return result.answers.topic;\n}\n```\n\nTipe `choice` dalam contoh ini adalah `account | delivery | other`. Dalam TypeScript yang sebenarnya, string tersebut merupakan tipe literal yang ditulis dengan tanda kutip. Namun, pemeriksaan tipe tidak menentukan apakah pertanyaan pelanggan telah diklasifikasikan dengan benar. Periksa persyaratan instalasi dan pemanggilan berdasarkan [dokumentasi JavaScript SDK](https://docs.typesafe.ai/sdk/javascript).\n\n## Contoh perhitungan confidence dan kesalahan umum\n\n`confidence` adalah nilai yang merangkum probabilitas yang dikembalikan. Nilai ini tidak sama dengan probabilitas jawaban yang dipilih. Nilai tersebut juga tidak boleh langsung dianggap sebagai tingkat ketepatan sebenarnya. Perbedaan ini sangat penting saat menetapkan kriteria eksekusi otomatis.\n\nRumus resmi Choice adalah sebagai berikut.\n\n`confidence = (probabilitas tertinggi - 1 / jumlah pilihan) / (1 - 1 / jumlah pilihan)`\n\nDistribusi probabilitas dalam dokumentasi resmi adalah `0.6, 0.3, 0.1`. Ada 3 pilihan. Jika probabilitas tertinggi, yaitu 0.6, dimasukkan ke rumus, confidence menjadi 0.4. Probabilitas pilihan sebesar 60% dan confidence 0.4 adalah dua metrik yang berbeda.\n\n| Penafsiran yang umum tetapi keliru | Penafsiran yang tepat |\n| --- | --- |\n| Confidence 0.4 berarti tingkat ketepatan 40% | Nilai yang merangkum distribusi probabilitas menurut rumus |\n| Noul 0.5 berarti tingkat sedang | Keadaan ketika probabilitas benar dan salah hampir sama |\n| Angka desimal pada Score adalah hasil pengukuran yang presisi | Rata-rata tertimbang probabilitas dari nomor tahap yang ditentukan |\n| Pemeriksaan hak akses dapat dilewati jika confidence tinggi | Hak akses bisnis dan kondisi eksekusi diperiksa melalui kode terpisah |\n\nMakna angka-angka ini didasarkan pada [dokumentasi Confidence](https://docs.typesafe.ai/confidence) resmi. Anjuran untuk memisahkan pemeriksaan hak akses adalah usulan desain untuk penerapannya dalam operasi.\n\n## Bagaimana membandingkan harga dan waktu respons?\n\nHarga yang diumumkan adalah 0.042 dolar per 1 juta token input. Token output dinyatakan gratis. Rentang waktu respons yang diumumkan adalah 70~500 milidetik. Angka-angka ini mengacu pada pengumuman perusahaan tanggal 15 September 2026.\n\nPerbandingan dalam bentuk kelipatan yang disampaikan perusahaan berasal dari evaluasi alur kerja tertentu. Tolok ukurnya adalah rata-rata prediksi model besar lain, bukan jawaban yang benar sebenarnya. Evaluasi kecepatan terutama dilakukan di wilayah barat Amerika Serikat. Karena itu, hasilnya tidak menunjukkan ketepatan untuk semua pekerjaan atau waktu respons di Korea.\n\n| Aspek perbandingan | Hal yang perlu diperiksa |\n| --- | --- |\n| Biaya API | Jumlah token input yang benar-benar digunakan dan tarif yang berlaku |\n| Waktu respons | Waktu perjalanan pulang pergi di wilayah tempat layanan berjalan |\n| Ketepatan | Hasil sampel pekerjaan nyata yang telah diberi jawaban benar |\n| Biaya operasional | Biaya yang mencakup percobaan ulang dan peninjauan manusia |\n\nJika hanya membandingkan harga, Anda bisa luput melihat peningkatan pekerjaan peninjauan. Keputusan untuk mengadopsinya memerlukan perhitungan biaya yang mencakup hasil pemrosesan. Ketentuan untuk angka-angka yang diumumkan tercantum dalam [pengumuman publik Jev](https://typesafe.ai/blog/introducing-system-one-models-and-jev).\n\n## Sembilan batasan Jev 1.13\n\nDokumen resmi merangkum sembilan jenis kegagalan Jev 1.13. Daftar ini mengacu pada peninjauan per 17 September 2026. Keberhasilan pada beberapa contoh tidak menjamin keandalan untuk tugas tersebut.\n\n| Jenis kegagalan | Penanganan dalam desain |\n| --- | --- |\n| Menafsirkan frasa secara harfiah | Nyatakan kondisi tersembunyi secara eksplisit dalam instruksi |\n| Menghitung dan membilang | Tangani aritmetika dengan kode |\n| Membandingkan tanggal dan waktu | Susun tanggal terlebih dahulu, lalu bandingkan dengan kode |\n| Negasi ganda dan penalaran bertahap | Pisahkan menjadi pertanyaan langsung |\n| Input yang banyak berisi hal tidak relevan | Kirim hanya field yang diperlukan |\n| Input yang menggiring penilaian | Lakukan evaluasi awal dengan menyertakan kalimat yang menggiring |\n| Pertentangan antara instruksi dan kriteria pemilihan | Selaraskan makna pertanyaan dan kriterianya |\n| Kurangnya konsistensi matematis antarpertanyaan | Kelola hubungan logis dalam kode |\n| Pembuatan teks bebas | Gunakan model generatif |\n\nMakna yang sama pun dapat menghasilkan probabilitas berbeda pada Noul dan Choice. Jangan langsung menerapkan ambang batas yang disesuaikan untuk satu jenis ke jenis lain. Dasarnya adalah [Jev 1.13 jaggedness](https://docs.typesafe.ai/model-jaggedness/jev-1.13).\n\n## Ketentuan penerapan untuk layanan berbahasa Korea\n\nInput bahasa Korea dapat diproses, tetapi kinerjanya tidak dijamin setara dengan bahasa Inggris. Dokumen resmi menjelaskan bahwa bahasa pelatihan utamanya adalah bahasa Inggris. Perbedaan kinerja untuk aksara CJK, termasuk bahasa Korea, juga disebutkan secara eksplisit. Tidak ada angka ketepatan umum untuk bahasa Korea yang diberikan.\n\nTentukan kelayakan penerapan untuk bahasa Korea dengan sampel Anda sendiri. Sebaiknya sertakan pula pertanyaan pelanggan yang menggunakan ungkapan tidak langsung atau memiliki bagian yang dihilangkan. Jika hanya menilai teks terjemahan, perbedaan gaya bahasa pelanggan sebenarnya bisa terlewat. Ini adalah usulan evaluasi yang mempertimbangkan perbedaan kinerja antarbahasa.\n\n- Evaluasi permintaan yang jelas dan yang ambigu secara terpisah\n- Rekap klasifikasi departemen dan penilaian emosi secara terpisah\n- Uji ulang ambang batas yang ditetapkan dalam bahasa Inggris untuk bahasa Korea\n- Bandingkan sebelum dan sesudah perubahan model menggunakan sampel yang sama\n\nModel yang ditunjuk oleh `jev-latest` berubah ketika versi baru dirilis. Jika ambang batas disesuaikan untuk versi tertentu, pertimbangkan untuk mengunci versinya. Kebijakan bahasa dan versi dapat dilihat dalam [dokumentasi Models](https://docs.typesafe.ai/models) resmi.\n\n## Tingkat pemrosesan otomatis yang mudah terlewat dalam evaluasi penggantian model\n\nSaat mengganti model, perhatikan ketepatan keseluruhan dan tingkat pemrosesan otomatis secara bersamaan. Jika semua kasus ambigu diserahkan kepada manusia, jumlah yang diproses otomatis akan berkurang. Jika cakupan pemrosesan otomatis diperluas, kasus eksekusi yang keliru dapat bertambah. Berikut adalah metode evaluasi yang memperluas prinsip percabangan berdasarkan confidence dalam dokumentasi resmi.\n\n| Metrik | Cara menghitung atau mencatat | Tujuan pemeriksaan |\n| --- | --- | --- |\n| Tingkat pemrosesan otomatis | Jumlah kasus yang diproses otomatis / jumlah seluruh kasus evaluasi | Pekerjaan manual yang benar-benar berkurang |\n| Tingkat kesalahan pemrosesan otomatis | Jumlah kesalahan di antara kasus yang diproses otomatis / jumlah kasus yang diproses otomatis | Kualitas hasil otomatisasi |\n| Tingkat peninjauan manusia | Jumlah kasus yang dikirim untuk ditinjau / jumlah seluruh kasus evaluasi | Beban peninjauan yang tersisa |\n| Waktu penyelesaian akhir | Diukur dari input hingga selesai sepenuhnya | Waktu tunggu termasuk peninjauan |\n\nJika tidak ada kasus yang diproses otomatis, tingkat kesalahan pemrosesan otomatis tidak dapat dihitung. Dalam keadaan ini, catat sebagai tidak dapat dihitung, bukan 0%. Penyebut setiap metrik perlu dicatat agar model dapat dibandingkan.\n\nEvaluasi dapat dilakukan dengan urutan berikut.\n\n1. Minta manusia memberi jawaban yang benar pada sampel pekerjaan nyata.\n2. Tetapkan redaksi pertanyaan dan definisi pilihan agar tidak berubah.\n3. Catat versi model, probabilitas, dan percabangan akhir.\n4. Bandingkan tingkat pemrosesan otomatis dan tingkat kesalahan untuk setiap ambang batas.\n5. Tetapkan kriteria operasional sesuai tingkat kesalahan yang dapat diterima.\n\nTidak ada ambang batas yang cocok secara universal. Dampak dari eksekusi yang keliru harus diperhitungkan dalam kriteria tersebut. Prinsip percabangan sebagai titik awal dapat dilihat dalam [dokumentasi Confidence](https://docs.typesafe.ai/confidence).","content_html":"\u003cp\u003eJev adalah model pengambilan keputusan TypeSafe AI yang mengembalikan pilihan yang telah ditentukan beserta probabilitasnya. Model ini cocok untuk menghubungkan penilaian bahasa alami dengan kondisi percabangan dalam kode. Format keluarannya dibatasi, tetapi ketepatan penilaiannya tidak dijamin.\u003c/p\u003e\n\u003cp\u003eHarga mengacu pada pengumuman 15 September 2026, sedangkan batasan mengacu pada dokumen yang ditinjau per 17 September.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#tugas-apa-yang-ditangani-jev\" class=\"anchor\" id=\"tugas-apa-yang-ditangani-jev\"\u003e\u003c/a\u003eTugas apa yang ditangani Jev?\u003c/h2\u003e\n\u003cp\u003eJev membaca input dan mengembalikan jawaban terstruktur untuk pertanyaan yang telah ditentukan. Masukkan materi yang akan dinilai ke \u003ccode\u003estate\u003c/code\u003e. Tetapkan kriteria penilaian dalam \u003ccode\u003equestions\u003c/code\u003e. Jawaban yang dikembalikan dapat digunakan untuk klasifikasi atau penentuan prioritas.\u003c/p\u003e\n\u003cp\u003eTypeSafe AI menyebut pendekatan ini model System One. Metode pelatihannya dijelaskan dengan nama RLCD, yaitu pembelajaran penguatan yang berfokus pada kalibrasi probabilitas penilaian. Namun, ketepatan untuk setiap layanan tetap harus diuji secara terpisah.\u003c/p\u003e\n\u003cp\u003eDokumen resmi Introduction menyatakan prinsip desainnya sebagai berikut.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003eAtomic questions, composed in code\u003c/p\u003e\n\u003cp\u003eTypeSafe AI, Introduction\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cp\u003eArtinya, setiap pertanyaan sebaiknya menangani satu penilaian. Gabungan beberapa penilaian ditangani dalam kode. Pertanyaan-pertanyaan dalam satu permintaan menilai keadaan yang sama secara independen. Struktur selengkapnya dapat dilihat di \u003ca href=\"https://docs.typesafe.ai/introduction\"\u003eTypeSafe AI Introduction\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#perbandingan-choicescorenoul\" class=\"anchor\" id=\"perbandingan-choicescorenoul\"\u003e\u003c/a\u003ePerbandingan Choice·Score·Noul\u003c/h2\u003e\n\u003cp\u003ePilih jenis pertanyaan berdasarkan cara jawaban yang dikembalikan akan digunakan dalam kode. Menentukan departemen penanggung jawab adalah persoalan memilih kategori. Menilai tingkat keparahan adalah persoalan evaluasi yang memiliki urutan. Ada atau tidaknya permintaan tertentu dapat dibedakan menjadi benar dan salah.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eJenis\u003c/th\u003e\n\u003cth\u003eHal yang ditanyakan\u003c/th\u003e\n\u003cth\u003eNilai utama yang dikembalikan\u003c/th\u003e\n\u003cth\u003ePenggunaan dalam kode\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis\"\u003eChoice\u003c/td\u003e\n\u003ctd data-label=\"Hal yang ditanyakan\"\u003eTermasuk kategori mana dari pilihan yang ditentukan\u003c/td\u003e\n\u003ctd data-label=\"Nilai utama yang dikembalikan\"\u003e\n\u003ccode\u003echoice\u003c/code\u003e, \u003ccode\u003eprobabilities\u003c/code\u003e, \u003ccode\u003econfidence\u003c/code\u003e\n\u003c/td\u003e\n\u003ctd data-label=\"Penggunaan dalam kode\"\u003ePercabangan \u003ccode\u003eswitch\u003c/code\u003e\n\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis\"\u003eScore\u003c/td\u003e\n\u003ctd data-label=\"Hal yang ditanyakan\"\u003eBerada pada tingkat mana dari tahapan yang dijelaskan\u003c/td\u003e\n\u003ctd data-label=\"Nilai utama yang dikembalikan\"\u003e\n\u003ccode\u003escore\u003c/code\u003e, \u003ccode\u003eprobabilities\u003c/code\u003e, \u003ccode\u003econfidence\u003c/code\u003e\n\u003c/td\u003e\n\u003ctd data-label=\"Penggunaan dalam kode\"\u003eMembandingkan skor dengan ambang batas\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis\"\u003eNoul\u003c/td\u003e\n\u003ctd data-label=\"Hal yang ditanyakan\"\u003eApakah kondisi tertentu benar\u003c/td\u003e\n\u003ctd data-label=\"Nilai utama yang dikembalikan\"\u003e\u003ccode\u003enoul\u003c/code\u003e\u003c/td\u003e\n\u003ctd data-label=\"Penggunaan dalam kode\"\u003eMembandingkan probabilitas, lalu melakukan percabangan \u003ccode\u003eif\u003c/code\u003e\n\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch3\u003e\n\u003ca href=\"#bagaimana-menentukan-pilihan-untuk-choice\" class=\"anchor\" id=\"bagaimana-menentukan-pilihan-untuk-choice\"\u003e\u003c/a\u003eBagaimana menentukan pilihan untuk Choice?\u003c/h3\u003e\n\u003cp\u003eChoice menerima hingga 255 pilihan dalam satu pertanyaan. Nama dan deskripsi setiap pilihan dinilai bersama. Jika input di luar daftar mungkin masuk, pertimbangkan pilihan seperti \u003ccode\u003eother\u003c/code\u003e. Ini dirancang untuk mengurangi klasifikasi yang dipaksakan.\u003c/p\u003e\n\u003cp\u003eChoice memilih satu dari kandidat yang diberikan. Jika Anda juga perlu menilai secara terpisah apakah semua kandidat tidak sesuai, tambahkan pertanyaan. Jumlah probabilitas yang dikembalikan adalah 1. Definisi dan batasannya tercantum dalam \u003ca href=\"https://docs.typesafe.ai/primitives/choice\"\u003edokumentasi Choice\u003c/a\u003e.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#apa-perbedaan-score-dan-noul\" class=\"anchor\" id=\"apa-perbedaan-score-dan-noul\"\u003e\u003c/a\u003eApa perbedaan Score dan Noul?\u003c/h3\u003e\n\u003cp\u003eScore menilai posisi pada tahapan yang disertai deskripsi. Nomor tahap dimulai dari 0. Hasilnya adalah rata-rata tertimbang probabilitas dari nomor tahap. Karena itu, skor yang dikembalikan juga bisa berupa bilangan bukan bulat.\u003c/p\u003e\n\u003cp\u003eNoul mengembalikan probabilitas bahwa suatu kondisi benar, antara 0 dan 1. Nilai mendekati 0.5 berarti probabilitas benar dan salah hampir sama. Jangan mengartikannya sebagai tingkat ketidakpuasan yang sedang. Gunakan \u003ca href=\"https://docs.typesafe.ai/primitives/score\"\u003eScore\u003c/a\u003e untuk mengukur tingkat, dan \u003ca href=\"https://docs.typesafe.ai/primitives/noul\"\u003eNoul\u003c/a\u003e untuk menanyakan ada atau tidaknya sesuatu.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#perbandingan-peran-dengan-kode-biasa-dan-model-generatif\" class=\"anchor\" id=\"perbandingan-peran-dengan-kode-biasa-dan-model-generatif\"\u003e\u003c/a\u003ePerbandingan peran dengan kode biasa dan model generatif\u003c/h2\u003e\n\u003cp\u003eSerahkan perhitungan yang pasti kepada kode dan hanya penilaian makna kepada model. Menulis kalimat baru adalah tugas model generatif. Jev cocok untuk penilaian dengan rentang jawaban yang telah ditentukan. Pembedaan ini dapat menjadi dasar untuk menentukan bagian dari fitur yang sudah ada yang akan diganti.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eKondisi tugas\u003c/th\u003e\n\u003cth\u003eCara penanganan yang sesuai\u003c/th\u003e\n\u003cth\u003eAlasan\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kondisi tugas\"\u003eMenghitung selisih tanggal atau jumlah item\u003c/td\u003e\n\u003ctd data-label=\"Cara penanganan yang sesuai\"\u003eKode biasa\u003c/td\u003e\n\u003ctd data-label=\"Alasan\"\u003eDapat dihitung secara tepat berdasarkan aturan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kondisi tugas\"\u003eMengklasifikasikan departemen penanggung jawab untuk pertanyaan pelanggan\u003c/td\u003e\n\u003ctd data-label=\"Cara penanganan yang sesuai\"\u003eJev Choice\u003c/td\u003e\n\u003ctd data-label=\"Alasan\"\u003ePenilaian makna dengan pilihan yang telah ditentukan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kondisi tugas\"\u003eMenilai tingkat keparahan laporan gangguan\u003c/td\u003e\n\u003ctd data-label=\"Cara penanganan yang sesuai\"\u003eJev Score\u003c/td\u003e\n\u003ctd data-label=\"Alasan\"\u003ePenilaian di antara tahapan yang dijelaskan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kondisi tugas\"\u003eMemastikan adanya permintaan untuk terhubung dengan agen\u003c/td\u003e\n\u003ctd data-label=\"Cara penanganan yang sesuai\"\u003eJev Noul\u003c/td\u003e\n\u003ctd data-label=\"Alasan\"\u003eMenilai ada atau tidaknya maksud tertentu\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kondisi tugas\"\u003eMenulis jawaban atau ringkasan bebas\u003c/td\u003e\n\u003ctd data-label=\"Cara penanganan yang sesuai\"\u003eModel generatif\u003c/td\u003e\n\u003ctd data-label=\"Alasan\"\u003ePerlu menghasilkan string baru\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eSaat menangani keluaran berupa string, kode untuk memvalidasi format mungkin diperlukan. Jev dirancang untuk langsung mengembalikan jawaban dalam format yang ditentukan. Namun, bukan berarti semua validasi dan percobaan ulang tidak lagi diperlukan. SDK resminya juga menyediakan kebijakan percobaan ulang untuk mengantisipasi kesalahan komunikasi dan sebagainya.\u003c/p\u003e\n\u003cp\u003eTetap rancang validasi input eksternal dan pemeriksaan aturan bisnis secara terpisah. Jawaban model bisa sesuai dengan tipe yang ditentukan, tetapi keliru secara bisnis. Pembedaan ini merupakan interpretasi desain berdasarkan \u003ca href=\"https://docs.typesafe.ai/sdk\"\u003eClient SDKs\u003c/a\u003e dan \u003ca href=\"https://docs.typesafe.ai/model-jaggedness/jev-1.13\"\u003edokumen batasan model\u003c/a\u003e resmi.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#definisi-pertanyaan-typescript-dan-tipe-jawaban\" class=\"anchor\" id=\"definisi-pertanyaan-typescript-dan-tipe-jawaban\"\u003e\u003c/a\u003eDefinisi pertanyaan TypeScript dan tipe jawaban\u003c/h2\u003e\n\u003cp\u003eSDK TypeScript menyimpulkan tipe nilai yang dikembalikan dari definisi pertanyaan. Kunci pilihan pada Choice menjadi nilai yang diizinkan dalam jawaban. Dengan demikian, perbandingan dengan string yang tidak diizinkan dapat ditemukan saat kompilasi. SDK memerlukan Node.js 20 atau versi lebih baru.\u003c/p\u003e\n\u003cp\u003eKode berikut adalah contoh penjelasan yang diadaptasi dari bentuk pemanggilan SDK resmi. Ini bukan contoh yang mengukur hasil eksekusi atau ketepatan. Variabel lingkungan \u003ccode\u003eTYPESAFE_API_KEY\u003c/code\u003e harus diatur.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eimport { TypeSafeClient, choice } from \"@typesafe-ai/sdk\";\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003econst api = new TypeSafeClient();\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003easync function classifyMessage(message: string) {\n\u003c/span\u003e\u003cspan\u003e  const result = await api.systemOne({\n\u003c/span\u003e\u003cspan\u003e    model: \"jev-1.13.0\",\n\u003c/span\u003e\u003cspan\u003e    state: { message },\n\u003c/span\u003e\u003cspan\u003e    questions: {\n\u003c/span\u003e\u003cspan\u003e      topic: choice(\"Classify the subject of message.\", {\n\u003c/span\u003e\u003cspan\u003e        account: \"Account access or password problems\",\n\u003c/span\u003e\u003cspan\u003e        delivery: \"Shipment tracking or delivery problems\",\n\u003c/span\u003e\u003cspan\u003e        other: \"Any subject outside those categories\",\n\u003c/span\u003e\u003cspan\u003e      }),\n\u003c/span\u003e\u003cspan\u003e    },\n\u003c/span\u003e\u003cspan\u003e  });\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003e  return result.answers.topic;\n\u003c/span\u003e\u003cspan\u003e}\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eTipe \u003ccode\u003echoice\u003c/code\u003e dalam contoh ini adalah \u003ccode\u003eaccount | delivery | other\u003c/code\u003e. Dalam TypeScript yang sebenarnya, string tersebut merupakan tipe literal yang ditulis dengan tanda kutip. Namun, pemeriksaan tipe tidak menentukan apakah pertanyaan pelanggan telah diklasifikasikan dengan benar. Periksa persyaratan instalasi dan pemanggilan berdasarkan \u003ca href=\"https://docs.typesafe.ai/sdk/javascript\"\u003edokumentasi JavaScript SDK\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#contoh-perhitungan-confidence-dan-kesalahan-umum\" class=\"anchor\" id=\"contoh-perhitungan-confidence-dan-kesalahan-umum\"\u003e\u003c/a\u003eContoh perhitungan confidence dan kesalahan umum\u003c/h2\u003e\n\u003cp\u003e\u003ccode\u003econfidence\u003c/code\u003e adalah nilai yang merangkum probabilitas yang dikembalikan. Nilai ini tidak sama dengan probabilitas jawaban yang dipilih. Nilai tersebut juga tidak boleh langsung dianggap sebagai tingkat ketepatan sebenarnya. Perbedaan ini sangat penting saat menetapkan kriteria eksekusi otomatis.\u003c/p\u003e\n\u003cp\u003eRumus resmi Choice adalah sebagai berikut.\u003c/p\u003e\n\u003cp\u003e\u003ccode\u003econfidence = (probabilitas tertinggi - 1 / jumlah pilihan) / (1 - 1 / jumlah pilihan)\u003c/code\u003e\u003c/p\u003e\n\u003cp\u003eDistribusi probabilitas dalam dokumentasi resmi adalah \u003ccode\u003e0.6, 0.3, 0.1\u003c/code\u003e. Ada 3 pilihan. Jika probabilitas tertinggi, yaitu 0.6, dimasukkan ke rumus, confidence menjadi 0.4. Probabilitas pilihan sebesar 60% dan confidence 0.4 adalah dua metrik yang berbeda.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003ePenafsiran yang umum tetapi keliru\u003c/th\u003e\n\u003cth\u003ePenafsiran yang tepat\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Penafsiran yang umum tetapi keliru\"\u003eConfidence 0.4 berarti tingkat ketepatan 40%\u003c/td\u003e\n\u003ctd data-label=\"Penafsiran yang tepat\"\u003eNilai yang merangkum distribusi probabilitas menurut rumus\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Penafsiran yang umum tetapi keliru\"\u003eNoul 0.5 berarti tingkat sedang\u003c/td\u003e\n\u003ctd data-label=\"Penafsiran yang tepat\"\u003eKeadaan ketika probabilitas benar dan salah hampir sama\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Penafsiran yang umum tetapi keliru\"\u003eAngka desimal pada Score adalah hasil pengukuran yang presisi\u003c/td\u003e\n\u003ctd data-label=\"Penafsiran yang tepat\"\u003eRata-rata tertimbang probabilitas dari nomor tahap yang ditentukan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Penafsiran yang umum tetapi keliru\"\u003ePemeriksaan hak akses dapat dilewati jika confidence tinggi\u003c/td\u003e\n\u003ctd data-label=\"Penafsiran yang tepat\"\u003eHak akses bisnis dan kondisi eksekusi diperiksa melalui kode terpisah\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eMakna angka-angka ini didasarkan pada \u003ca href=\"https://docs.typesafe.ai/confidence\"\u003edokumentasi Confidence\u003c/a\u003e resmi. Anjuran untuk memisahkan pemeriksaan hak akses adalah usulan desain untuk penerapannya dalam operasi.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#bagaimana-membandingkan-harga-dan-waktu-respons\" class=\"anchor\" id=\"bagaimana-membandingkan-harga-dan-waktu-respons\"\u003e\u003c/a\u003eBagaimana membandingkan harga dan waktu respons?\u003c/h2\u003e\n\u003cp\u003eHarga yang diumumkan adalah 0.042 dolar per 1 juta token input. Token output dinyatakan gratis. Rentang waktu respons yang diumumkan adalah 70~500 milidetik. Angka-angka ini mengacu pada pengumuman perusahaan tanggal 15 September 2026.\u003c/p\u003e\n\u003cp\u003ePerbandingan dalam bentuk kelipatan yang disampaikan perusahaan berasal dari evaluasi alur kerja tertentu. Tolok ukurnya adalah rata-rata prediksi model besar lain, bukan jawaban yang benar sebenarnya. Evaluasi kecepatan terutama dilakukan di wilayah barat Amerika Serikat. Karena itu, hasilnya tidak menunjukkan ketepatan untuk semua pekerjaan atau waktu respons di Korea.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eAspek perbandingan\u003c/th\u003e\n\u003cth\u003eHal yang perlu diperiksa\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspek perbandingan\"\u003eBiaya API\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa\"\u003eJumlah token input yang benar-benar digunakan dan tarif yang berlaku\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspek perbandingan\"\u003eWaktu respons\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa\"\u003eWaktu perjalanan pulang pergi di wilayah tempat layanan berjalan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspek perbandingan\"\u003eKetepatan\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa\"\u003eHasil sampel pekerjaan nyata yang telah diberi jawaban benar\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspek perbandingan\"\u003eBiaya operasional\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa\"\u003eBiaya yang mencakup percobaan ulang dan peninjauan manusia\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eJika hanya membandingkan harga, Anda bisa luput melihat peningkatan pekerjaan peninjauan. Keputusan untuk mengadopsinya memerlukan perhitungan biaya yang mencakup hasil pemrosesan. Ketentuan untuk angka-angka yang diumumkan tercantum dalam \u003ca href=\"https://typesafe.ai/blog/introducing-system-one-models-and-jev\"\u003epengumuman publik Jev\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#sembilan-batasan-jev-113\" class=\"anchor\" id=\"sembilan-batasan-jev-113\"\u003e\u003c/a\u003eSembilan batasan Jev 1.13\u003c/h2\u003e\n\u003cp\u003eDokumen resmi merangkum sembilan jenis kegagalan Jev 1.13. Daftar ini mengacu pada peninjauan per 17 September 2026. Keberhasilan pada beberapa contoh tidak menjamin keandalan untuk tugas tersebut.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eJenis kegagalan\u003c/th\u003e\n\u003cth\u003ePenanganan dalam desain\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis kegagalan\"\u003eMenafsirkan frasa secara harfiah\u003c/td\u003e\n\u003ctd data-label=\"Penanganan dalam desain\"\u003eNyatakan kondisi tersembunyi secara eksplisit dalam instruksi\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis kegagalan\"\u003eMenghitung dan membilang\u003c/td\u003e\n\u003ctd data-label=\"Penanganan dalam desain\"\u003eTangani aritmetika dengan kode\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis kegagalan\"\u003eMembandingkan tanggal dan waktu\u003c/td\u003e\n\u003ctd data-label=\"Penanganan dalam desain\"\u003eSusun tanggal terlebih dahulu, lalu bandingkan dengan kode\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis kegagalan\"\u003eNegasi ganda dan penalaran bertahap\u003c/td\u003e\n\u003ctd data-label=\"Penanganan dalam desain\"\u003ePisahkan menjadi pertanyaan langsung\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis kegagalan\"\u003eInput yang banyak berisi hal tidak relevan\u003c/td\u003e\n\u003ctd data-label=\"Penanganan dalam desain\"\u003eKirim hanya field yang diperlukan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis kegagalan\"\u003eInput yang menggiring penilaian\u003c/td\u003e\n\u003ctd data-label=\"Penanganan dalam desain\"\u003eLakukan evaluasi awal dengan menyertakan kalimat yang menggiring\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis kegagalan\"\u003ePertentangan antara instruksi dan kriteria pemilihan\u003c/td\u003e\n\u003ctd data-label=\"Penanganan dalam desain\"\u003eSelaraskan makna pertanyaan dan kriterianya\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis kegagalan\"\u003eKurangnya konsistensi matematis antarpertanyaan\u003c/td\u003e\n\u003ctd data-label=\"Penanganan dalam desain\"\u003eKelola hubungan logis dalam kode\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis kegagalan\"\u003ePembuatan teks bebas\u003c/td\u003e\n\u003ctd data-label=\"Penanganan dalam desain\"\u003eGunakan model generatif\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eMakna yang sama pun dapat menghasilkan probabilitas berbeda pada Noul dan Choice. Jangan langsung menerapkan ambang batas yang disesuaikan untuk satu jenis ke jenis lain. Dasarnya adalah \u003ca href=\"https://docs.typesafe.ai/model-jaggedness/jev-1.13\"\u003eJev 1.13 jaggedness\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#ketentuan-penerapan-untuk-layanan-berbahasa-korea\" class=\"anchor\" id=\"ketentuan-penerapan-untuk-layanan-berbahasa-korea\"\u003e\u003c/a\u003eKetentuan penerapan untuk layanan berbahasa Korea\u003c/h2\u003e\n\u003cp\u003eInput bahasa Korea dapat diproses, tetapi kinerjanya tidak dijamin setara dengan bahasa Inggris. Dokumen resmi menjelaskan bahwa bahasa pelatihan utamanya adalah bahasa Inggris. Perbedaan kinerja untuk aksara CJK, termasuk bahasa Korea, juga disebutkan secara eksplisit. Tidak ada angka ketepatan umum untuk bahasa Korea yang diberikan.\u003c/p\u003e\n\u003cp\u003eTentukan kelayakan penerapan untuk bahasa Korea dengan sampel Anda sendiri. Sebaiknya sertakan pula pertanyaan pelanggan yang menggunakan ungkapan tidak langsung atau memiliki bagian yang dihilangkan. Jika hanya menilai teks terjemahan, perbedaan gaya bahasa pelanggan sebenarnya bisa terlewat. Ini adalah usulan evaluasi yang mempertimbangkan perbedaan kinerja antarbahasa.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eEvaluasi permintaan yang jelas dan yang ambigu secara terpisah\u003c/li\u003e\n\u003cli\u003eRekap klasifikasi departemen dan penilaian emosi secara terpisah\u003c/li\u003e\n\u003cli\u003eUji ulang ambang batas yang ditetapkan dalam bahasa Inggris untuk bahasa Korea\u003c/li\u003e\n\u003cli\u003eBandingkan sebelum dan sesudah perubahan model menggunakan sampel yang sama\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eModel yang ditunjuk oleh \u003ccode\u003ejev-latest\u003c/code\u003e berubah ketika versi baru dirilis. Jika ambang batas disesuaikan untuk versi tertentu, pertimbangkan untuk mengunci versinya. Kebijakan bahasa dan versi dapat dilihat dalam \u003ca href=\"https://docs.typesafe.ai/models\"\u003edokumentasi Models\u003c/a\u003e resmi.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#tingkat-pemrosesan-otomatis-yang-mudah-terlewat-dalam-evaluasi-penggantian-model\" class=\"anchor\" id=\"tingkat-pemrosesan-otomatis-yang-mudah-terlewat-dalam-evaluasi-penggantian-model\"\u003e\u003c/a\u003eTingkat pemrosesan otomatis yang mudah terlewat dalam evaluasi penggantian model\u003c/h2\u003e\n\u003cp\u003eSaat mengganti model, perhatikan ketepatan keseluruhan dan tingkat pemrosesan otomatis secara bersamaan. Jika semua kasus ambigu diserahkan kepada manusia, jumlah yang diproses otomatis akan berkurang. Jika cakupan pemrosesan otomatis diperluas, kasus eksekusi yang keliru dapat bertambah. Berikut adalah metode evaluasi yang memperluas prinsip percabangan berdasarkan confidence dalam dokumentasi resmi.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eMetrik\u003c/th\u003e\n\u003cth\u003eCara menghitung atau mencatat\u003c/th\u003e\n\u003cth\u003eTujuan pemeriksaan\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Metrik\"\u003eTingkat pemrosesan otomatis\u003c/td\u003e\n\u003ctd data-label=\"Cara menghitung atau mencatat\"\u003eJumlah kasus yang diproses otomatis / jumlah seluruh kasus evaluasi\u003c/td\u003e\n\u003ctd data-label=\"Tujuan pemeriksaan\"\u003ePekerjaan manual yang benar-benar berkurang\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Metrik\"\u003eTingkat kesalahan pemrosesan otomatis\u003c/td\u003e\n\u003ctd data-label=\"Cara menghitung atau mencatat\"\u003eJumlah kesalahan di antara kasus yang diproses otomatis / jumlah kasus yang diproses otomatis\u003c/td\u003e\n\u003ctd data-label=\"Tujuan pemeriksaan\"\u003eKualitas hasil otomatisasi\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Metrik\"\u003eTingkat peninjauan manusia\u003c/td\u003e\n\u003ctd data-label=\"Cara menghitung atau mencatat\"\u003eJumlah kasus yang dikirim untuk ditinjau / jumlah seluruh kasus evaluasi\u003c/td\u003e\n\u003ctd data-label=\"Tujuan pemeriksaan\"\u003eBeban peninjauan yang tersisa\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Metrik\"\u003eWaktu penyelesaian akhir\u003c/td\u003e\n\u003ctd data-label=\"Cara menghitung atau mencatat\"\u003eDiukur dari input hingga selesai sepenuhnya\u003c/td\u003e\n\u003ctd data-label=\"Tujuan pemeriksaan\"\u003eWaktu tunggu termasuk peninjauan\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eJika tidak ada kasus yang diproses otomatis, tingkat kesalahan pemrosesan otomatis tidak dapat dihitung. Dalam keadaan ini, catat sebagai tidak dapat dihitung, bukan 0%. Penyebut setiap metrik perlu dicatat agar model dapat dibandingkan.\u003c/p\u003e\n\u003cp\u003eEvaluasi dapat dilakukan dengan urutan berikut.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003eMinta manusia memberi jawaban yang benar pada sampel pekerjaan nyata.\u003c/li\u003e\n\u003cli\u003eTetapkan redaksi pertanyaan dan definisi pilihan agar tidak berubah.\u003c/li\u003e\n\u003cli\u003eCatat versi model, probabilitas, dan percabangan akhir.\u003c/li\u003e\n\u003cli\u003eBandingkan tingkat pemrosesan otomatis dan tingkat kesalahan untuk setiap ambang batas.\u003c/li\u003e\n\u003cli\u003eTetapkan kriteria operasional sesuai tingkat kesalahan yang dapat diterima.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eTidak ada ambang batas yang cocok secara universal. Dampak dari eksekusi yang keliru harus diperhitungkan dalam kriteria tersebut. Prinsip percabangan sebagai titik awal dapat dilihat dalam \u003ca href=\"https://docs.typesafe.ai/confidence\"\u003edokumentasi Confidence\u003c/a\u003e.\u003c/p\u003e\n","tags":["Agen AI","Pengembangan AI","Pengambilan keputusan","Alat pengembangan"],"faqs":[{"question":"Apakah Jev menggantikan AI generatif umum?","answer":"Jev cocok untuk tugas menentukan pilihan di antara jawaban yang telah ditetapkan. Untuk menulis jawaban bebas atau membuat ringkasan, diperlukan model generatif."},{"question":"Berapa banyak pilihan yang dapat dimasukkan ke dalam Choice?","answer":"Batas dalam dokumentasi resmi Choice adalah 255 pilihan per pertanyaan. Jika perlu menangani masukan di luar daftar, pertimbangkan pilihan Lainnya."},{"question":"Jika Noul bernilai 0.5, apakah artinya tingkatnya sedang?","answer":"Artinya, probabilitas benar dan salah hampir sama. Untuk menilai derajat atau tingkatnya, Score yang menggunakan tahapan yang telah dijelaskan lebih cocok."},{"question":"Apa arti angka di belakang koma pada Score?","answer":"Nilai itu diperoleh dengan mengalikan nomor setiap tahapan yang telah ditetapkan dengan probabilitasnya, lalu menjumlahkan hasilnya. Nilai itu bukan hasil pengukuran yang presisi atau proporsi pelanggan tersebut."},{"question":"Jika confidence tinggi, bolehkah jawaban dianggap benar?","answer":"confidence adalah nilai yang merangkum distribusi probabilitas. Benar atau tidaknya jawaban harus diperiksa menggunakan sampel kasus pekerjaan yang sebenarnya."},{"question":"Apa yang diperiksa oleh TypeScript SDK?","answer":"TypeScript SDK menyimpulkan tipe jawaban dari definisi pertanyaan. Ini membantu menemukan perbandingan string dengan nilai di luar pilihan yang diizinkan. Namun, SDK ini tidak memeriksa keakuratan isi klasifikasi."},{"question":"Jika menggunakan Jev, apakah percobaan ulang tidak diperlukan?","answer":"Penanganan format keluaran dan penanganan kesalahan komunikasi adalah dua hal yang berbeda. SDK resmi memiliki kebijakan percobaan ulang bawaan, jadi penanganan kesalahan API juga perlu diperiksa."},{"question":"Seberapa akurat Jev untuk bahasa Korea?","answer":"Dokumentasi resmi Models tidak menyajikan angka akurasi bahasa Korea yang dapat digeneralisasi. Evaluasilah kinerja untuk setiap pertanyaan menggunakan masukan nyata berbahasa Korea."},{"question":"Berapa harga Jev?","answer":"Harga yang diumumkan pada 15 September 2026 adalah 0.042 dolar per 1 juta token masukan. Token keluaran dinyatakan gratis. Periksa kembali harga yang berlaku dalam dokumentasi resmi Models."},{"question":"Bolehkah menggunakan jev-latest di lingkungan produksi?","answer":"Boleh, tetapi model yang terhubung akan berubah saat versi baru dirilis. Jika ingin tetap menggunakan versi yang ambang batasnya telah divalidasi, tentukan ID versi tersebut."}],"sources":[{"url":"https://docs.typesafe.ai/introduction","title":"Pengantar TypeSafe AI","type":"source"},{"url":"https://docs.typesafe.ai/primitives/choice","title":"Pilihan TypeSafe AI","type":"source"},{"url":"https://docs.typesafe.ai/primitives/score","title":"Skor TypeSafe AI","type":"source"},{"url":"https://docs.typesafe.ai/primitives/noul","title":"Noul TypeSafe AI","type":"source"},{"url":"https://docs.typesafe.ai/confidence","title":"Tingkat Keyakinan TypeSafe AI","type":"source"},{"url":"https://docs.typesafe.ai/sdk","title":"SDK Klien TypeSafe AI","type":"source"},{"url":"https://docs.typesafe.ai/sdk/javascript","title":"SDK JavaScript TypeSafe AI","type":"source"},{"url":"https://typesafe.ai/blog/introducing-system-one-models-and-jev","title":"Memperkenalkan System One Models \u0026 Jev, 15 September 2026","type":"data_point"},{"url":"https://docs.typesafe.ai/model-jaggedness/jev-1.13","title":"Ketidakmerataan Jev 1.13, ditinjau pada 17 September 2026","type":"source"},{"url":"https://docs.typesafe.ai/models","title":"Model TypeSafe AI","type":"source"}],"images":[{"id":1601,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MjQwNDYsInB1ciI6ImJsb2JfaWQifX0=--ea906281db18091febeba00926fa1dd9ebe90294/ai-cb0d0c3f.webp","is_representative":true,"generation_method":"ai_photo","license":"ai_generated","mime_type":"image/webp","width":1536,"height":1024,"translations":{"ko":{"alt":"고객지원 사무실에서 헤드셋을 쓴 두 직원이 모니터를 보며 상의하고, 책상에 청록색 표시등이 켜져 있다.","caption":"신뢰도는 정답률이 아니므로 자동 처리율과 오판율을 함께 평가해야 합니다.","description":null},"en":{"alt":"Two headset-wearing support staff confer over a monitor, with a teal light glowing at their desk and other agents behind them.","caption":"Confidence is not accuracy, so automatic handling and misclassification rates must be evaluated together.","description":null},"ja":{"alt":"カスタマーサポート室でヘッドセットを着けた二人がモニターを見ながら話し合い、机上で青緑色のランプが光っている。","caption":"信頼度は正答率ではないため、自動処理率と誤判定率を併せて評価する必要があります。","description":null},"es":{"alt":"Dos agentes con auriculares consultan un monitor; una luz verde azulada brilla en su mesa y hay más agentes al fondo.","caption":"La confianza no equivale a la tasa de aciertos, por lo que deben evaluarse tanto el procesamiento automático como los errores de clasificación.","description":null},"id":{"alt":"Dua staf dukungan berheadset berdiskusi sambil melihat monitor, dengan lampu hijau kebiruan menyala di meja dan agen lain di belakang.","caption":"Tingkat keyakinan bukan tingkat ketepatan, sehingga penanganan otomatis dan kesalahan klasifikasi perlu dievaluasi bersama.","description":null},"pt":{"alt":"Dois atendentes com fones de ouvido conversam diante de um monitor; uma luz verde-azulada brilha na mesa, com outros agentes ao fundo.","caption":"A confiança não é a taxa de acerto; o atendimento automático e os erros de classificação devem ser avaliados em conjunto.","description":null},"zh-hant":{"alt":"客服辦公室裡，兩名戴耳麥的員工看著螢幕討論，桌上亮著藍綠色指示燈，後方還有其他客服人員。","caption":"信心值不等於正確率，因此須同時評估自動處理率與誤判率。","description":null},"de":{"alt":"Zwei Supportmitarbeitende mit Headsets besprechen sich vor einem Monitor; am Arbeitsplatz leuchtet ein türkisfarbenes Licht.","caption":"Konfidenz ist keine Trefferquote; daher müssen automatisierte Bearbeitung und Fehlklassifikationen gemeinsam bewertet werden.","description":null}}},{"id":1602,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MjQwNTIsInB1ciI6ImJsb2JfaWQifX0=--d07e76337161b074535590d09b1f479ecd50d738/ai-893d1efb.webp","is_representative":false,"generation_method":"ai_semi","license":"ai_generated","mime_type":"image/webp","width":1536,"height":1024,"translations":{"ko":{"alt":"여성이 분기 화살표가 그려진 테스트 보드에서 문의 카드를 사람 검토 쪽으로 옮긴다.","caption":"Jev의 결정 결과를 자동 처리와 사람 검토로 나누는 분기 설계가 중요합니다.","description":null},"en":{"alt":"A woman moves an inquiry card toward the human-review side of a branching test board.","caption":"Jev’s decisions need a clear path to either automatic processing or human review.","description":null},"ja":{"alt":"女性が分岐を示すテストボードで問い合わせカードを人による確認の側へ移している。","caption":"Jevの決定を自動処理と人による確認に振り分ける分岐設計が重要です。","description":null},"es":{"alt":"Una mujer mueve una tarjeta de consulta hacia la zona de revisión humana de un tablero con bifurcaciones.","caption":"Las decisiones de Jev requieren una ruta clara hacia el procesamiento automático o la revisión humana.","description":null},"id":{"alt":"Seorang perempuan memindahkan kartu pertanyaan ke sisi tinjauan manusia pada papan uji bercabang.","caption":"Keputusan Jev perlu diarahkan dengan jelas ke pemrosesan otomatis atau tinjauan manusia.","description":null},"pt":{"alt":"Uma mulher move um cartão de consulta para a área de revisão humana em um quadro de testes com ramificações.","caption":"As decisões do Jev precisam de um caminho claro para o processamento automático ou a revisão humana.","description":null},"zh-hant":{"alt":"一名女子在有分支箭頭的測試板上，將詢問卡移向人工審查區。","caption":"Jev 的決定需要明確分流至自動處理或人工審查。","description":null},"de":{"alt":"Eine Frau verschiebt eine Anfragekarte auf einer verzweigten Testtafel in den Bereich für menschliche Prüfung.","caption":"Für Jevs Entscheidungen braucht es eine klare Verzweigung zwischen automatischer Bearbeitung und menschlicher Prüfung.","description":null}}}],"published_at":"2026-10-02T23:30:14+09:00","updated_at":"2026-10-02T23:30:14+09:00","license":"cc_by","translation_status":"reviewed","available_locales":["ko","en","ja","es"],"data_locales":["ko","en","ja","es","id","pt","zh-hant","de"],"url":"https://injoys.com/en/articles/jev-decision-model-branching-design-and-limitations"}