README 自动摘要
根据 README 自动整理于 2026年10月24日，不是本站运行记录。运行步骤和作者声称的效果仍需核验。
这是什么
一个基准，用于测量“System One”决策模型在中文任务上的准确率与概率校准，涵盖路由、紧急度、升级和诈骗检测，提供 CC BY 4.0 公开数据集并对五个模型进行评估。
它怎么用 Jev
Jev 作为五个被评估模型之一：它在中文任务状态上回答类型化的 choice、score 和 noul 问题，其返回的概率被用于计算准确率、ECE 以及对选项顺序和 zh-CN/zh-TW 变体的鲁棒性。
用到的原语:choicescorenoul
值得抄的做法
在准确率之外评估校准（ECE、NLL），并测试对选项顺序和文字变体的鲁棒性。
怎么试
使用 `load_dataset("CodyQin/zh-decision-bench")` 加载数据集；运行 `python src/refit.py` 等脚本进行温度重拟合。
README 片段的模型判断
项目信号使用仓库元信息、已有摘要与 README 前 700 个字符；没有通读完整项目。“未检出”仅表示这些材料中未检出，并不证明项目没有该能力。这里保留原始判断与实际记录的模型、日期，不是源码审计或运行验收。
模型与判定日期
- 收录门禁
jev-1.14.0- 项目信号
jev-1.14.0- 项目分类
jev-1.14.0- 模式标签
jev-1.14.0
证据
这些信号只读取仓库元信息、已有摘要与清理后的 README 前 700 字符。≥ 0.60 表示片段中有提及，≤ 0.40 表示未检出，中间为未判定；都不是源码审查或运行结果。「可运行工具」题排除了研究实验，「推荐」题筛的是学习案例 Top 10，不是内容质量合格与否。
- Jev 是项目的核心在材料中检出0.78
- 展示了 System One 用法片段中未检出0.14
- 写了怎么处理不确定片段中未检出0.03
- 给出了实测数字片段中未检出0.08
- 是能跑起来的工具片段中未检出0.07
- 学习案例 Top 10 候选信号片段中未检出0.26
- 是模型本身的复刻片段中未检出0.14
- 解决的问题够普遍（0–2）按 0–2 打分1.06 / 2
- 与 Jev 相关在材料中检出0.99
无判定区（0.40–0.60）
无判定区（0.40–0.60）
各阶段的 Jev 模型与判定日期见上方记录。简介由 DeepSeek V4.1 Flash 于 2026年10月24日 读 README 写成。