README 自动摘要
根据 README 自动整理于 2026年10月21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
WaterSheep 是一个 Apache-2.0 的 ModernBERT 微调模型，能回答关于文本的 Noul、Choice、Score 和多标签问题，并为每个选项返回概率。它面向需要校准决策输出、并希望获得 Jev 本地开源替代方案的开发者。
它怎么用 Jev
WaterSheep 通过 `watersheep --serve` 在 8766 端口本地提供 Jev 的 POST /v1/systemone 服务。将 TypeSafe 的 Python SDK 的 TYPESAFE_BASE_URL 指向它即可，任意 API key 均可用。它以纯 JSON 回答 Noul、Choice、Score 和多标签问题，SDK 调用无需改动。
用到的原语:choicescorenoul
值得抄的做法
用决策头微调 ModernBERT，并在验证集上按问题类型拟合温度参数以完成校准。
怎么试
pip install git+https://github.com/SamratDuttaOfficial/WaterSheep，然后运行 `watersheep --model samratduttaofficial/WaterSheep --serve`。
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 是项目的核心未判定0.56
- 展示了 System One 用法片段中未检出0.20
- 写了怎么处理不确定片段中未检出0.05
- 给出了实测数字在材料中检出0.66
- 是能跑起来的工具在材料中检出0.93
- 学习案例 Top 10 候选信号片段中未检出0.34
- 是模型本身的复刻在材料中检出0.94
- 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0.96
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21日 读 README 写成。