README 自动摘要
根据 README 自动整理于 2026年10月2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
在 Jev 风格的 System One 接口上对四种架构进行闭集类型化决策（路由、映射）的基准测试，测量 Azure AI Foundry 和本地 ONNX 上的准确率、延迟和成本。
它怎么用 Jev
Jev 的接口（非结构化 state + 类型化 questions 输入，类型化值及概率输出）在四个后端上重新实现。每个返回 ChoiceAnswer，包含 .choice、.probability、.confidence、.margin；JevClient 使用 LLM，其他使用编码器。
用到的原语:choice
值得抄的做法
Late interaction：将 state 编码一次为 token 矩阵，通过每个选项的注意力使池化以问题为条件，以 bi-encoder 成本将稀释惩罚减半。
怎么试
uv run benchmark_architectures.py; uv run benchmark_scaling.py; uv run benchmark_crossencoder.py --n 200 --seed 111
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 用法未判定0.40
- 写了怎么处理不确定片段中未检出0.07
- 给出了实测数字在材料中检出0.89
- 是能跑起来的工具片段中未检出0.14
- 学习案例 Top 10 候选信号片段中未检出0.33
- 是模型本身的复刻在材料中检出0.89
- 解决的问题够普遍（0–2）按 0–2 打分1.90 / 2
- 与 Jev 相关在材料中检出0.89
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2日 读 README 写成。