README 自动摘要
根据 README 自动整理于 2026年11月4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
一个研究项目，逆向分析、复现并扩展 TypeSafe AI 的 Jev（首个商业部署的决策模型），面向研究校准概率决策系统的研究者。
它怎么用 Jev
README 未说明代码中如何调用 Jev；仅说明 probing/ 对 Jev 进行黑盒 API 探测（21 个探针、5,620 次 API 调用、5 个预注册对照实验），且复现模型会与 Jev 的基准分数对比。
用到的原语:choicescorenoul
值得抄的做法
重排器预训练可迁移到决策打分：150M 交叉编码器加训练好的决策头，在同参数量下优于普通编码器。
怎么试
git clone https://github.com/Oaklight/krino.git; cd krino; pip install -e '.[data]'; python -m data.pipeline banking77 sst2
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-1.14.0- 项目信号
jev-1.14.0- 项目分类
jev-1.14.0- 模式标签
jev-1.14.0
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0.33
- 写了怎么处理不确定片段中未检出0.04
- 给出了实测数字片段中未检出0.03
- 是能跑起来的工具片段中未检出0.21
- 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0.82
- 解决的问题够普遍（0–2）按 0–2 打分1.09 / 2
- 与 Jev 相关在材料中检出0.99
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11月4日 读 README 写成。