README 自动摘要
根据 README 自动整理于 2026年10月10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
RSI-Jev 构建 Jev 风格的 System One 模型，回答关于文档、聊天或图像的 yes/no、pick-one-of-k 或 rate-on-a-rubric 问题。它发布检查点、训练代码以及每个失败的实验。
它怎么用 Jev
该项目训练模型以与 Jev 相同的 POST /v1/systemone 线格式回答 Noul、Choice 和 Score 问题。一次前向传播为每个选项返回校准概率。README 未描述使用 Jev 本身；它描述构建可训练副本。
用到的原语:noulchoicescore
值得抄的做法
自改进循环：智能体在 GPU 运行前注册预测，并在证据表明时淘汰冠军。
怎么试
pip install "rsi-jev[fast,vision] @ git+https://github.com/Shanghua-Gao/RSI-Jev" 然后 rsi-jev serve v6.1-vl-4b --effort auto --port 8000
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0.94
- 展示了 System One 用法在材料中检出0.95
- 写了怎么处理不确定未判定0.47
- 给出了实测数字在材料中检出0.97
- 是能跑起来的工具片段中未检出0.28
- 学习案例 Top 10 候选信号片段中未检出0.39
- 是模型本身的复刻在材料中检出0.96
- 解决的问题够普遍（0–2）按 0–2 打分0.82 / 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10日 读 README 写成。