README 自动摘要
根据 README 自动整理于 2026年10月22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
minimind-jev 是一个教育项目，受 minimind 系列启发，从零训练一个迷你 Jev（System One 类型化决策模型）。面向希望打开决策模型黑箱而非追求 SOTA 的中文学习者。
它怎么用 Jev
Jev 对查询-段落对做出类型化决策（score/noul）用于重排序。状态是冻结的中文编码器（BAAI/bge-small-zh-v1.5）加上从零训练的决策头。输出的概率用于排序；在留出集上应用温度缩放。
用到的原语:scorenoul
值得抄的做法
冻结预训练中文编码器，仅在难负例重排序数据上训练小型决策头，并用温度缩放进行校准。
怎么试
运行 scripts/prepare_data.py 然后 scripts/train.py；GPU 上约 3 分钟，CPU 友好。
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0.94
- 展示了 System One 用法片段中未检出0.08
- 写了怎么处理不确定片段中未检出0.02
- 给出了实测数字片段中未检出0.04
- 是能跑起来的工具片段中未检出0.18
- 学习案例 Top 10 候选信号片段中未检出0.32
- 是模型本身的复刻在材料中检出0.97
- 解决的问题够普遍（0–2）按 0–2 打分0.55 / 2
- 与 Jev 相关在材料中检出0.98
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22日 读 README 写成。