Nokia 已开源 AnyJev，其被描述为一个免训练层，可将任意开放 LLM 转化为经过校准的决策模型。该发布被定位为避免额外训练，这使其归入一小类事后校准方法——这类方法可在权重固定之后应用于模型，而无需微调运行或标注数据收集。
这一表述对 agent 工程很重要。当 agent 必须基于模型输出采取行动时，分数或类分数信号必须通过阈值映射为决策。原始开放模型输出很少针对这种映射进行校准，因此阈值通常靠手工设定、在临时验证集上调整，或被单独的 classifier 取代。一个免训练的即插即用校准层改变了这一步的成本：它变成了集成决策，而不是训练项目。
该发布面向开放权重模型，而非单一厂商技术栈，因此不绑定于某个 API 或服务路径。从所提供的报道中尚无法确定：评估了哪些模型家族
ent 流水线。
封面图片：Jakub Pabis / Pexels。