GAN8 对决 JEV：单头判断模型与八逻辑架构的实战较量

在决策类 AI 模型的世界里，一场关于"判断力该由几个头脑构成"的争论正在展开。一位 Reddit 用户用四轮对比实验，把两种截然不同的架构放在同一批题目上正面对撞：JEV 代表极简的单头概率判断，GAN8 则代表八套抽象逻辑各自表决的多元架构。结果并不是简单的谁胜谁负，而是揭示了决策模型设计中一个容易被忽视的核心问题——判断力究竟能不能被压缩成单一能量、单一阈值、单一置信度。

两种架构的哲学分歧

JEV 被描述为"反聊天机器人"式的产品：不输出文本，只做类型化的决策，给出校准过的概率，而且极其廉价。它的规则可以用一句话概括——一次前向传播，一个概率，阈值 0.5，结束。这是一种干净利落的工程哲学。

GAN8 则被作者称为"丑陋的替代方案"：八套抽象逻辑，每一套独立给出 YES/NO 判断，并为自己的判断打分，得分最高者胜出。没有判别器，没有裁判模型，没有解释段落。它做的是与 JEV 声称的同一件工作，但骨架完全不同。

作者的核心质疑很尖锐：判断不是单一头脑，事实也不是非黑即白。如果你的决策模型只有一种能量、一个阈值、一个置信度，那它在自己被设计来解决的问题上会表现响亮，但一旦遇到两个约束条件相乘的场景，就会瞬间失明。

单头概率模型的核心是将所有输入特征映射到一个标量置信度，再以固定阈值（通常0.5）做二分类。这种设计在信息论上等价于假设"决策边界可以用单一超平面或其非线性变换来划定"。当标签与特征之间存在一对一的强相关时，这个假设成立，模型表现优异。但当标签实际上是多个独立约束的逻辑乘积时（例如"条件A成立 AND 条件B的奇偶性为偶"），单一能量函数需要同时编码两个在特征空间中正交的结构，理论上会导致其中一个被压制。GAN8的多框架表决机制则绕开了这一限制：每个框架只负责自己擅长的几何结构，最终结果是各框架在其专长领域"发言"，而非强迫一个头部兼顾所有维度。这也是为什么作者用"不可约框架"而非"更多参数"来描述GAN8的优势——差异在于表示能力的结构，而非容量大小。

前两轮：势均力敌的"陷阱"

第一轮是 34 道逻辑推理题，涵盖三段论、出租车问题、Linda 谬误、说谎者悖论等经典判断题。类似 JEV 的单头模型准确率为 94.12%，GAN8 为 93.01%，几乎打平。

作者直言这套题是个陷阱——特征几乎就等于标签本身，一个校准良好的单头模型本就应该在这里获胜。他特别提醒：如果你的结论是"JEV 只强 1 个百分点，所以到此为止"，那你恰恰是决策模型停滞不前的原因。

第二轮让两个模型各自在一半题目上训练（17 训练 / 17 测试），结果测试准确率一个约 100%、一个正好 100%，依旧打平。作者解释：当没有可供专门化的结构时，训练本身不会制造赢家。这一轮存在的意义，只是为了堵住"GAN8 靠拒绝训练取胜"的嘴。

第三轮：结构性组合任务见真章

真正的分水岭出现在第三轮。这里的标签不再是简单特征，而是一个组合：3 位奇偶校验（parity）、任一致命缺陷即否决、贝叶斯稀有类判断是否落在 0.5 正确一侧、真实识别 vs "看起来识别"。这是一个 JEV 在训练中从未见过的组合家族。

关键设置在于：JEV 的头部没有 XOR 列，而 GAN8 的其中一个逻辑框架直接实现了奇偶校验。测试结果如下：

• IID 测试（21 题）：JEV 手工权重 76.2%，JEV 线性训练 71.4%，JEV MLP 85.7%，GAN8 95.2%
• 未见组合（10 题）：JEV 手工 80.0%，JEV 线性 50.0%，JEV MLP 60.0%，GAN8 60.0%
• 全部测试（31 题）：JEV 手工 77.4%，JEV 线性 64.5%，JEV MLP 77.4%，GAN8 83.9%

在纯奇偶校验任务上，差距最为夸张：JEV 线性 33%、JEV MLP 67%、GAN8 100%。

作者的解读值得反复咀嚼：这不是"GAN8 更聪明"，而是"八个不可约的框架，在单一能量无法包含的那个框架上，击败了单一能量"。当结构本身是单头无法表示的，多元架构的优势就是不可替代的。

**奇偶校验（Parity）**是计算机科学与信息论中的经典概念：给定一组二进制位，若其中1的个数为偶数则奇偶校验值为0，为奇数则为1。3位奇偶校验意味着标签由三个二进制特征的XOR（异或）运算决定。XOR函数有一个著名性质：它对单层线性模型完全不可分——在二维空间中，XOR的四个点无法用一条直线正确划分，这正是1969年Minsky与Papert在《感知机》中提出的核心反例，也是推动多层神经网络研究的历史导火索。在本实验中，JEV的头部没有显式的XOR列，意味着它必须依赖MLP的非线性层来隐式学习这一结构，而GAN8的某个框架直接将奇偶校验编码为一阶逻辑规则，无需从数据中归纳。这解释了为什么在纯奇偶校验任务上，差距会达到100% vs 67%的极端水平。

GAN8 的边界：它也不是万能的

难得的是，作者没有把 GAN8 捧上神坛。在未见规则组合上，GAN8 并没有获胜——手写的 JEV 先验（如"缺陷否决主张"）能以 80% 的准确率迁移，而训练过的 JEV 则在单缺陷模板上过拟合、彻底失效，GAN8 也随之失败。

他给出了一个冷静的结论：八个生成器不会凭空发明第九种代数。任何兜售"只要多加几个框架，组合泛化就会自动出现"的人，卖的都是香水。这句话对当下动辄堆砌模块的 AI 产品设计是一记警钟。

第四轮：拼在一起反而更糟

最反直觉的发现在第四轮——把两者组合起来，性能不升反降：

• 把 JEV 当作第 9 个框架、取最高分：整体 81.5%，但奇偶校验掉回 50%。通才盖过了专才的声音。
• JEV 优先，置信度低于 0.7 才移交：直接坍缩成 JEV，约 70% 的题目根本没离开 JEV，ECE 约 0.25。所谓"聪明分层"根本没有升级。

作者的建议一针见血：如果要融合，就路由，不要平均，更不要让自信的通才当裁判。奇偶校验位打开时用奇偶校验框架，否则用 JEV。让置信度高的通才去仲裁，只会毁掉整个系统。

模型融合中"通才压制专才"的现象在集成学习领域有成熟的理论解释。当一个高置信度的通才模型与多个专才模型混合时，若融合策略是加权平均或最大置信度优先，通才会因为在大多数样本上置信度更高而系统性地主导输出，专才仅在通才置信度极低时才有发言权。这与**专家混合（Mixture of Experts, MoE）**架构的设计初衷恰好相反——MoE的路由器被训练成"识别当前输入属于哪个专家的领域"，而非让所有专家竞争同一个置信度排名。作者建议的"按结构路由"本质上正是轻量级MoE的思路：用一个低成本的结构检测器判断当前问题是否触发特定框架（如奇偶校验位是否激活），而不是让模型的输出置信度兼任路由信号。两者混用之所以失败，根本原因是置信度是对"我在自己的分布内有多确定"的度量，而非"我是否适合回答这类问题"的度量。

结论：不同的运动，不同的骨架

这场对比最终没有宣布一个绝对赢家，而是给出了各自的定位：

• JEV 是正确的接口——没有 token，类型化概率，速度快，成本低。
• GAN8 是正确的骨架——当世界包含不止一种几何结构时。

作者也澄清，TypeSafe 托管模型在有界软件决策上确实比 LLM 更快更便宜，但那是关于延迟和 schema 的主张，与在奇偶校验上击败八个命名约束是两码事——那是完全不同的运动。

对于正在构建决策类 AI 系统的开发者，这篇实测提供了一个务实的心智模型：单头模型适合特征即标签的场景，多元逻辑架构适合约束相乘的结构性问题，而盲目融合往往两头落空。需要说明的是，本文基于单一 Reddit 来源的实验记录，具体数据和方法细节尚待更多独立复现验证。