jevbooks

← 全部项目

simple-jev

featherless-ai/simple-jev

将开放模型变为类型化分类器,无需单独分类头。

分类与路由0.74次选分类: 评测与基准问卷
README 自动摘要

根据 README 自动整理于 2026年9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

Simple Jev 让你使用兼容的 Hugging Face 开放模型进行结构化分类和评分。它读取下一个 token 的 logits 来生成选择、评分标准分数或真值/支持判断,无需训练单独的分类头。

它怎么用 Jev

服务器读取模型对每个问题的下一个 token 的 logits,并构建包含选择、评分标准分数或真值/支持判断的 JSON 响应。模型不生成 JSON 补全;服务器根据分数构建响应。

用到的原语:choicescorenoul

值得抄的做法

复用下一个 token 的 logits 作为校准的决策分数,而非生成文本。

怎么试

使用模型、状态和问题 curl https://simple-jev-demo-api.featherless.ai/v1/classifier。

去 GitHub 看

开始使用 Jev:API key 与第一个请求 →

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0.93
  • 展示了 System One 用法在材料中检出0.82
  • 写了怎么处理不确定片段中未检出0.05
  • 给出了实测数字片段中未检出0.05
  • 是能跑起来的工具在材料中检出0.92
  • 学习案例 Top 10 候选信号未判定0.41
  • 是模型本身的复刻在材料中检出0.66
  • 解决的问题够普遍(0–2)按 0–2 打分1.09 / 2
  • 与 Jev 相关在材料中检出0.95
信号
Jev 是项目的核心0.93展示了 System One 用法0.82写了怎么处理不确定0.05给出了实测数字0.05是能跑起来的工具0.92学习案例 Top 10 候选信号0.41是模型本身的复刻0.6600.51解决的问题够普遍(0–2)1.09 / 2012

无判定区(0.40–0.60)

设计模式
问卷0.97体检0.4100.51

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9月24日 读 README 写成。