README 自动摘要
根据 README 自动整理于 2026年10月27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
一个 Python 工具，将政策 PDF（合规手册、员工手册）转换为面向 System One / Jev 风格决策模型的微调数据集，包含共享状态、类型化问题、规则推导的 gold 答案以及教师概率分布。
它怎么用 Jev
Jev 的三种原语即数据集的问题类型。state_model 生成场景状态；teacher_model 提供概率预测，并按 --ensemble-n 采样平均；gold 答案由 gold_rules.py 中的规则确定性推导（不调用 LLM）。输出字段与训练 schema（state、qs、y、soft）对齐。
用到的原语:choicenoulscore
值得抄的做法
确定性规则推导的 gold 标签配合教师软概率分布，以 JSONL 输出可直接用于微调。
怎么试
python generate_config.py --pdf <文件>.pdf --domain compliance，然后 python generate_dataset.py --pdf <文件>.pdf --domain compliance --target 50 --output dataset_50.json
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-1.14.0- 项目信号
jev-1.14.0- 项目分类
jev-1.14.0- 模式标签
jev-1.14.0
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0.95
- 展示了 System One 用法未判定0.53
- 写了怎么处理不确定片段中未检出0.04
- 给出了实测数字片段中未检出0.03
- 是能跑起来的工具未判定0.56
- 学习案例 Top 10 候选信号未判定0.45
- 是模型本身的复刻在材料中检出0.77
- 解决的问题够普遍（0–2）按 0–2 打分1.02 / 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27日 读 README 写成。