[控场AI]
概念System 1

System One

源自Daniel Kahneman《思考,快与慢》的认知心理学概念,指快速、直觉、自动化的认知过程;在AI领域被TypeSafe借用来定义Agent内部高频低复杂度的专用决策模型类别,与System Two(需要生成复杂文本和多步推理的前沿大模型)相对

核心事实

时间轴 (近 90 天)

11月17日

如果 System One 能够兑现承诺,Cloudflare 有望从“网络加速器”升级为“边缘智能平台”。

待验证50%
11月17日

Cloudflare 未在原始信息中透露 System One 的具体架构或性能指标。

待验证50%
11月17日

Cloudflare 正在构建名为 System One 的模型,旨在实现毫秒级的数据拉取与决策。

待验证50%
11月17日

研究首次系统评估了System One决策模型在Windows PE恶意软件检测中的表现,并提出了名为S1Mal的集成方案。

待验证50%
11月17日

研究者将TypeSafe的Jev(也称System One或System 1模型)替换进24篇ACL会议论文的预测器,保持每篇论文的数据划分、标签定义和评估指标不变,构建了包含46个英文测试集的TDM-Gauntlet基准。

待验证50%
10月30日

fastbrowse 的工作流程是:读取当前页面上的每一个按钮、链接和输入框,形成候选动作列表,然后由轻量级 System One 模型(如 jev)从中挑选最可能正确的下一步。

待验证50%
10月30日

轻量模型的选择准确性是未知数,如果 System One 模型经常不确定,回退到标准模型的频率就会升高,速度优势可能被削弱。

待验证50%
10月30日

fastbrowse 通过一种“System One”模型(例如 jev)直接从页面元素列表中选出下一步操作,仅在不确定时才回退到标准模型。

待验证50%
10月24日

System 1/System 2理论源自丹尼尔·卡尼曼《思考,快与慢》,System 1是快速、自动、直觉式判断,System 2是缓慢、审慎、需要工作记忆的推理。

已验证75%
10月20日

Clairic 的定位是「System One 提取模型」,一次前向传播就返回带置信度分数的类型化值。

待验证50%

还有 26 条时间轴事件

全部知识事实 (20)

已验证

System 1/System 2理论源自丹尼尔·卡尼曼《思考,快与慢》,System 1是快速、自动、直觉式判断,System 2是缓慢、审慎、需要工作记忆的推理。

75%
待验证

Cloudflare 正在构建名为 System One 的模型,旨在实现毫秒级的数据拉取与决策。

50%
待验证

Cloudflare 未在原始信息中透露 System One 的具体架构或性能指标。

50%
待验证

研究首次系统评估了System One决策模型在Windows PE恶意软件检测中的表现,并提出了名为S1Mal的集成方案。

50%
待验证

研究者将TypeSafe的Jev(也称System One或System 1模型)替换进24篇ACL会议论文的预测器,保持每篇论文的数据划分、标签定义和评估指标不变,构建了包含46个英文测试集的TDM-Gauntlet基准。

50%
待验证

fastbrowse 通过一种“System One”模型(例如 jev)直接从页面元素列表中选出下一步操作,仅在不确定时才回退到标准模型。

50%
待验证

fastbrowse 的工作流程是:读取当前页面上的每一个按钮、链接和输入框,形成候选动作列表,然后由轻量级 System One 模型(如 jev)从中挑选最可能正确的下一步。

50%
待验证

Clairic 的定位是「System One 提取模型」,一次前向传播就返回带置信度分数的类型化值。

50%
待验证

在AI领域,「系统1/系统2」隐喻常被借用来描述模型推理时的计算路径,例如将无需显式思维链的直接预测类比为系统1,将多步推理与自我校验类比为系统2。

50%
待验证

System One被Clairic定义为一个全新的模型类别,专注于从数据中提取信息。

50%
待验证

System One决策模型是一种不逐token生成答案的模型,它读取state和结构化问题,单次推理返回每个选项的概率,输出是结构化概率分布而非自由文本

50%
待验证

提交说明称实现了由 Qwen3.5 驱动的决策打分器(decision scorer),包含非因果注意力、publisher readout、图像处理和 System One 提示编码。

50%
待验证

研究提出的框架包含两个关键机制:保守回退(conservative fallback)和风险预算选择。保守回退指模型不确定时默认执行安全但效用保守的动作;风险预算选择指在被分配到效用最大化动作的输入子集上对假省略风险施加约束。

50%
待验证

论文核心论点是:依赖概率式接口来驱动部署决策是不够的,在缺乏人类兜底机制的场景下,真正需要控制的是在已采取效用最大化动作的输入子集上的假省略风险(false omission risk),而非分类准确率或AUC。

50%
待验证

作者在六个数据集上做了验证,覆盖内容审核、安全过滤和文档重排三类任务,对比对象包括通用System One模型、各任务专用基线以及一个本地开源权重的微调System One模型。

50%
待验证

在测试风险可定义的设置中,朴素的阈值选择基线有大约一半的情况会超过目标风险水平,而Learn Then Test(LTT)方法只有7.8%的情况超标。

50%
待验证

通用System One模型、任务基线、开源微调模型三者的表现差异进一步指向一个结论:模型能力提升不能替代决策层的风险控制设计。

50%
待验证

Jev 1.14 的 System One 模型新增了实验性图像输入能力。

50%
待验证

推导鸿沟出现在研究者评估的全部七种裁判模型上,包括 System One 系列的 CLM 和 Jev。

50%
待验证

System One 评分通常指一次前向传播即可给出的快速打分,不涉及多步推理、自我反思或链式思考。

50%

来源文章