jevbooks

← 全部项目

hunch

steven-shoemaker/hunch

对数据列使用 Jev 提问:封闭集问题,缓存后连接回原数据。

这是什么

hunch 将 Jev 的 Choice、Score 和 Noul 问题转化为作用于字符串、列表和 pandas DataFrame 的 Python 函数。它提供 classify、score、check、where、extract、pick、rank 和 verify 等动词,支持请求去重、缓存,以及可选的将不确定行升级给 LLM。

它怎么用 Jev

Jev 通过回答类型化问题来评判每一行:Choice 从封闭集中选择一个选项,Score 返回有序级别上的位置,Noul 给出陈述为真的概率。hunch 对每个不同行发送一次请求,缓存答案,并返回普通答案或带有形状标签(sure、split、unsure)的完整分布,供代码分支使用。

用到的原语:choicescorenoul

值得抄的做法

每个不同行只发一次请求,同一行的多个问题合并发送,答案被缓存,因此重新运行不产生额外成本。

怎么试

pip install hunch-jev

去 GitHub 看

Jev 判的jev-1.13.0

证据

每一行都是就 README 问 Jev 的一道题。≥ 0.60 算「是」,≤ 0.40 算「否」,中间这一段 Jev 不下判断。

  • Jev 是主角0.94
  • 有 System One 用法0.86
  • 处理了不确定性0.82
  • 有实测数据0.04
  • 可直接跑0.98
  • 值得推荐未判定0.51
  • 是模型的复刻0.09
  • 问题普遍性按 0–2 打分1.30
  • 与 Jev 相关0.98

信号由 Jev jev-1.13.0 判定,简介由 DeepSeek V4.1 Flash 于 2026年9月23日 读 README 写成。