这是什么
一项小型冻结研究，从四个公开测试集（Belebele、PAWS-X、MedQA、KorMedMCQA）中每格抽取 100 道题，用韩语和英语提问并记录 Jev 的每次回答。这是样本检查，不是基准测试。
它怎么用 Jev
Jev 回答多项选择题：它一次性返回每个选项的概率以及得分最高的选项，没有推理文本需要解析。研究记录这些回答，并在语言、任务之间以及与 gpt-5.6-luna 进行比较。
用到的原语:choice
值得抄的做法
用两种语言问 Jev 同一道题以隔离语言效应；重排输入以暴露回答不一致。
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0.83
- 有 System One 用法否0.20
- 处理了不确定性否0.04
- 有实测数据是0.97
- 可直接跑否0.09
- 值得推荐否0.24
- 是模型的复刻否0.05
- 问题普遍性按 0–2 打分0.94
- 与 Jev 相关是0.98
信号由 Jev jev-1.13.0 判定，简介由 DeepSeek V4.1 Flash 于 2026年9月20日 读 README 写成。