jevbooks

← 全部项目

llm-rankers

ielab/llm-rankers

使用大语言模型进行文档排序,包括 Jev 实验。

打分与排序1.00次选分类: 分类与路由
README 自动摘要

根据 README 自动整理于 2026年10月16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

llm-rankers 为研究人员和从业者提供基于 LLM 的 pointwise、listwise、pairwise 和 setwise 文档排序方法。它包含将 Jev(TypeSafe AI 的非生成式模型)用作重排序器的实验。

它怎么用 Jev

README 指出 Jev 被用作 pointwise、pairwise、setwise 或 listwise 重排序器,包括在单个请求中处理所有 100 个候选文档。结果和分析在 jev 文件夹中。README 未说明 Jev 做出哪些决策、使用什么状态,或输出如何在代码中使用。

怎么试

查看 jev 文件夹以获取结果和分析。

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 是项目的核心片段中未检出0.04
  • 展示了 System One 用法片段中未检出0.21
  • 写了怎么处理不确定片段中未检出0.03
  • 给出了实测数字片段中未检出0.10
  • 是能跑起来的工具片段中未检出0.29
  • 学习案例 Top 10 候选信号片段中未检出0.29
  • 是模型本身的复刻片段中未检出0.08
  • 解决的问题够普遍(0–2)按 0–2 打分1.49 / 2
  • 与 Jev 相关在材料中检出0.72
信号
Jev 是项目的核心0.04展示了 System One 用法0.21写了怎么处理不确定0.03给出了实测数字0.10是能跑起来的工具0.29学习案例 Top 10 候选信号0.29是模型本身的复刻0.0800.51解决的问题够普遍(0–2)1.49 / 2012

无判定区(0.40–0.60)

设计模式

没有模式的概率超过展示阈值。

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16日 读 README 写成。