README 自动摘要
根据 README 自动整理于 2026年10月9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
Kev 是一系列基于 Qwen3.5/3.8 的小型决策模型（0.8B–27B），面向希望在自己的硬件上获得 Jev 式校准概率的开发者，可使用预训练权重或自行训练。
它怎么用 Jev
Kev 是类 Jev 而非 Jev 本身：它暴露相同的 System One API（choice、noul、score），因此 TypeSafe 的 Python SDK 可以指向本地 Kev 服务器。每个 checkpoint 都附带拟合好的 temperature 用于校准概率。
用到的原语:choicenoulscore
值得抄的做法
在冻结的 Qwen 基座上加小型 adapter，并为每个 checkpoint 拟合 temperature 做校准。
怎么试
uv sync --extra serve; uv run --extra serve python -m kev.serve --run jaredpalmer/kev-4b --port 8009
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0.92
- 展示了 System One 用法未判定0.52
- 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0.07
- 是能跑起来的工具在材料中检出0.84
- 学习案例 Top 10 候选信号未判定0.44
- 是模型本身的复刻在材料中检出0.97
- 解决的问题够普遍（0–2）按 0–2 打分0.89 / 2
- 与 Jev 相关在材料中检出0.97
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10月9日 读 README 写成。