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
对 System One / Jev 理念的开源本地实现：向小模型提问，得到可检查概率的类型化答案，而非一段文字。面向需要诚实、可测试决策的开发者。
它怎么用 Jev
Jev 是本项目所借鉴的闭源托管模型。assay 使用相同的三种问题类型（Choice、Score、Noul），一步读取模型对每个选项的赔率，返回选择、分数或是否概率，并附带置信度、稳定性和弃权标志。
用到的原语:choicescorenoul
值得抄的做法
通过轮换选项顺序并取平均来防顺序偏差，并用温度校准器重新缩放赔率并标记不确定答案。
怎么试
ollama pull gemma3; python -m assay decide --backend ollama --model gemma3 --state ... --question ...
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0.84
- 展示了 System One 用法在材料中检出0.62
- 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0.28
- 是能跑起来的工具在材料中检出0.80
- 学习案例 Top 10 候选信号片段中未检出0.21
- 是模型本身的复刻在材料中检出0.92
- 解决的问题够普遍（0–2）按 0–2 打分1.33 / 2
- 与 Jev 相关在材料中检出0.94
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。