README 自动摘要
根据 README 自动整理于 2026年9月30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
TetraJev 是一个本地部署的决策层，用于有界决策任务（状态 + 有限选项，K=2..20）。它将两个冻结的开源权重模型转化为校准的概率分布，用于分类、路由、是/否门控、实体匹配、重排序和多项选择判断。
它怎么用 Jev
Jev 通过将四次读取（两个读取器 × 两种读出结构）无拟合地融合为 R4 来做出决策，然后按一致性路由（R2：严格/一致/分裂）。分裂或低置信度的项目弃权转人工审核。结果是选项上的校准概率分布，在代码中用于自动发布或弃权。
用到的原语:choicescorenoul
值得抄的做法
无拟合融合两个冻结模型的四次读取，按一致性路由以实现校准弃权。
怎么试
通过 llama.cpp 服务两个 Qwen3.5 读取器，然后针对本地 OpenAI 兼容服务器运行 scripts/ 中的运行器。
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0.85
- 展示了 System One 用法在材料中检出0.81
- 写了怎么处理不确定在材料中检出0.89
- 给出了实测数字片段中未检出0.13
- 是能跑起来的工具在材料中检出0.64
- 学习案例 Top 10 候选信号未判定0.50
- 是模型本身的复刻在材料中检出0.93
- 解决的问题够普遍（0–2）按 0–2 打分1.69 / 2
- 与 Jev 相关在材料中检出0.87
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9月30日 读 README 写成。