这是什么
一个视觉分类演示，使用类型化 Choice 问题从图像像素中选择涂鸦和花卉标签，配有绘图游乐场和公开评估工件。面向探索类 Jev 决策引擎的开发者。
它怎么用 Jev
类 Jev 适配器将选项映射为字母，从 DiffusionGemma 最后一个活跃去噪步骤读取答案字母分数，再映射回标签。每个问题单独请求模型；SGLang 可批处理。分数用于比较选项，并非校准概率。
用到的原语:choicescorenoul
值得抄的做法
将选项映射为字母，从最后一个活跃去噪步骤读取答案字母分数，再映射回标签。
怎么试
使用 scripts/launch_diffusiongemma.py 启动后，打开 http://localhost:8000/#doodle。
证据
每一行都是就 README 问 Jev 的一道题。≥ 0.60 算「是」，≤ 0.40 算「否」，中间这一段 Jev 不下判断。
- Jev 是主角是0.89
- 有 System One 用法未判定0.42
- 处理了不确定性否0.06
- 有实测数据否0.16
- 可直接跑是0.90
- 值得推荐否0.30
- 是模型的复刻是0.91
- 问题普遍性按 0–2 打分0.00
- 与 Jev 相关是0.62
信号由 Jev jev-1.13.0 判定，简介由 DeepSeek V4.1 Flash 于 2026年9月23日 读 README 写成。