README 自动摘要
根据 README 自动整理于 2026年10月9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
一个基准测试，检验非生成式决策模型能否引导智能体完成 100 个钥匙与门网格谜题，每一步都由精确的 BFS 求解器评分，并附有排行榜和报告。
它怎么用 Jev
Jev 在每一步从给定选项中选出一个 Choice，输入是文本形式的谜题状态。它的选择由 BFS 求解器评分：若开启最短路径则为最优。在完整上下文下，Jev 完成了 100 局中的 57 局。
用到的原语:choice
值得抄的做法
用精确求解器给每个单步决策打分，再衡量强决策能否累积成完成的任务。
怎么试
uv sync; uv run socb benchmark --players jev --allow-paid
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-1.13.0- 项目信号
jev-1.13.0- 项目分类
jev-1.13.0- 模式标签
jev-1.13.0
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0.63
- 展示了 System One 用法未判定0.40
- 写了怎么处理不确定片段中未检出0.04
- 给出了实测数字在材料中检出0.97
- 是能跑起来的工具片段中未检出0.11
- 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0.12
- 解决的问题够普遍（0–2）按 0–2 打分0.21 / 2
- 与 Jev 相关在材料中检出0.97
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9日 读 README 写成。