README 自动摘要
根据 README 自动整理于 2026年9月25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
一个 Python 包（导入名 so1），将任意开放权重 LLM 转变为 System One 决策模型，针对 Choice、Score 和 Noul 问题返回类型化、校准的概率，而非生成文本。在您自己的 GPU 上本地运行。
它怎么用 Jev
模型读取一次状态，并从每个问题自身位置的下一个 token 分布中回答，限制在给定的选项内。决策以校准概率的形式按您列出选项的顺序返回；permutations=2 会平均两种选项顺序。
用到的原语:choicescorenoul
值得抄的做法
将多个问题打包到一次前向传播中，共享状态只写入一次，减少 token 并提高吞吐量。
怎么试
pip install open-alternative-jev，然后使用 Decider 或 decide API；Hugging Face Spaces 上有实时演示。
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0.86
- 展示了 System One 用法片段中未检出0.27
- 写了怎么处理不确定片段中未检出0.06
- 给出了实测数字未判定0.40
- 是能跑起来的工具在材料中检出0.92
- 学习案例 Top 10 候选信号片段中未检出0.17
- 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1.20 / 2
- 与 Jev 相关在材料中检出0.95
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25日 读 README 写成。