这是什么
一个 Python 包,通过一次前向传播从任意开放权重 LLM 获得类型化、校准的决策,并在您自己的 GPU 上本地运行。面向希望无需官方 SDK 即可实现 Jev 风格决策的开发者。
它怎么用 Jev
Jev 读取一次状态,并从每个类型化问题(Choice、Score、Noul)自身位置的下一个 token 分布中回答,限制在您给出的选项内。结果是一个带有校准概率的选择,直接在代码中使用。
用到的原语:choicescorenoul
值得抄的做法
打包将共享状态写入一次而非每个问题一次,减少 token 并提升吞吐量。
怎么试
pip install open-alternative-jev,然后使用 Decider.from_pretrained 并设置 backend='hf'。
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0.84
- 有 System One 用法否0.26
- 处理了不确定性否0.06
- 有实测数据否0.10
- 可直接跑是0.95
- 值得推荐否0.16
- 是模型的复刻是0.95
- 问题普遍性按 0–2 打分1.15
- 与 Jev 相关是0.95
信号由 Jev jev-1.13.0 判定,简介由 DeepSeek V4.1 Flash 于 2026年9月21日 读 README 写成。