jevbooks

← 全部项目

jevulator

Huberdoggy/jevulator

通过 llama-server 本地模拟 TypeSafe Jev 决策契约,无需 API key。

README 自动摘要

根据 README 自动整理于 2026年10月20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

Jevulator 在本地模拟 TypeSafe Jev 的 HTTP 契约,返回类型化、校准的决策(noul、choice、score),而非生成文本。目标用户是希望无需 API key 即可试验 Jev 风格决策的开发者,使用 llama-server 和 Qwen3.6-35B-A3B。

它怎么用 Jev

Jevulator 模拟 Jev 而非使用真实模型。它渲染一次聊天模板,将共享前缀与每个问题的后缀分开,预热缓存,然后对每个问题发起一次 max_new_tokens=1 调用,并读取候选答案 token 的 logprobs。结果以 noul、choice 和 score 问题的概率形式返回。

用到的原语:noulchoicescore

值得抄的做法

渲染一次聊天模板,将共享前缀与每个问题的后缀分开,预热缓存,然后从单 token 调用中读取 logprobs,而非生成文本。

怎么试

运行 python scripts/run_fixture.py fixtures/<file>.json --url http://127.0.0.1:9931

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0.96
  • 展示了 System One 用法片段中未检出0.12
  • 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0.84
  • 学习案例 Top 10 候选信号片段中未检出0.16
  • 是模型本身的复刻在材料中检出0.95
  • 解决的问题够普遍(0–2)按 0–2 打分0.40 / 2
  • 与 Jev 相关在材料中检出0.98
信号
Jev 是项目的核心0.96展示了 System One 用法0.12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0.84学习案例 Top 10 候选信号0.16是模型本身的复刻0.9500.51解决的问题够普遍(0–2)0.40 / 2012

无判定区(0.40–0.60)

设计模式
问卷0.97体检0.42验货0.3700.51

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10月20日 读 README 写成。