README 自动摘要
根据 README 自动整理于 2026年10月13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库、HTTP服务器、CLI和训练循环，使用小型NLI交叉编码器对文本或JSON回答类型化问题（choice、score、noul），适用于本地、私有、仅CPU的决策场景。
它怎么用 Jev
Jev通过将蕴含概率视为选项概率来做出决策：choice对每个选项使用最大池化蕴含概率再softmax；score对每个等级使用蕴含概率再计算期望值；noul使用蕴含与矛盾重新归一化。结果通过TypeSafe POST /v1/systemone格式返回校准概率。
用到的原语:choicescorenoul
值得抄的做法
将小型NLI交叉编码器用作决策模型：蕴含概率即选项概率。
怎么试
git clone && cd modernbert-jev; uv venv && uv pip install -e .; modernbert-jev pull modernbert-jev; modernbert-jev serve --model models/modernbert-jev --port 11436
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0.90
- 展示了 System One 用法片段中未检出0.19
- 写了怎么处理不确定片段中未检出0.07
- 给出了实测数字片段中未检出0.16
- 是能跑起来的工具在材料中检出0.91
- 学习案例 Top 10 候选信号未判定0.40
- 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0.94 / 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13日 读 README 写成。