README 自动摘要
根据 README 自动整理于 2026年10月15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 Apache 许可的 Python 工具包，让现有 LLM 和 MLLM 具备 Jev 风格的决策能力，可从文本和图像进行分类、评分和动作选择，支持 SGLang、Transformers 和 MLX 后端，并附带演示。
它怎么用 Jev
Jev 风格问题（Choice、Score、Noul、Box）仅通过 prefill 读取因果模型 logits 来回答。Choice、Score 和 Noul 读取 yes/no logits 而不生成答案；Box 生成归一化图像坐标。结果以类型化 Python 对象或 JSON 返回，通过 System One 形状的 HTTP 端点和扩展 OpenAI SDK 的客户端。
用到的原语:choicescorenoul
值得抄的做法
利用 SGLang 的 Radix Cache 或 MLX 显式前缀预填充，在候选之间复用共享前缀，包括冷请求内。
怎么试
uv sync --extra sglang；llm2jev-serve --backend sglang --model-path /path/to/model
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0.93
- 展示了 System One 用法片段中未检出0.28
- 写了怎么处理不确定片段中未检出0.05
- 给出了实测数字片段中未检出0.18
- 是能跑起来的工具在材料中检出0.93
- 学习案例 Top 10 候选信号片段中未检出0.35
- 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1.05 / 2
- 与 Jev 相关在材料中检出0.94
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15日 读 README 写成。