jevbooks

← 全部项目

swarm

JackBeerman/swarm

研究:在 Polymarket 上,用 Jev 作为昂贵 LLM 研究前的廉价过滤器。

这是什么

一个面向 Polymarket US 的自主交易流水线,用于研究 System One 模型在真实决策系统中适合做什么。研究代码,非建议;影子优先,已暂停,发现见 docs/FINDINGS.md。

它怎么用 Jev

在慢车道中,Jev 在任何 LLM 花费之前对约 10,000 个市场进行分诊,基于五字段状态回答 Noul 否决、Score 可处理性和 Choice 类型问题;代码根据概率分支。在快车道中,一次 Jev 请求根据 LLM 撰写的简报读取标题,判断方向和幅度。

用到的原语:choicescorenoul

值得抄的做法

在一次 Jev 调用中询问所有需要的判断;将确定性检查保留在代码中;固定模型 id 并严格解析。

怎么试

python fastlane.py --tags nfl --start-window 6 --minutes 240

去 GitHub 看

Jev 判的jev-1.13.0

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0.91
  • 有 System One 用法0.79
  • 处理了不确定性0.08
  • 有实测数据0.10
  • 可直接跑0.29
  • 值得推荐0.38
  • 是模型的复刻0.04
  • 问题普遍性按 0–2 打分0.72
  • 与 Jev 相关0.98

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。