README 自动摘要
根据 README 自动整理于 2026年10月1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
LitJev 在现成的 Hugging Face Qwen 检查点上复现 Jev 的决策层。定义问题与选项、加载 Qwen 模型，即可通过一次 API 调用获得带概率分布的类型化选择，无需训练，也不生成回答文本。
它怎么用 Jev
每个请求的共享 state 作为所有提示的开头；每个问题把选项列为纯文本并以 'Answer:' 结尾，随后对每个选项自身的词做 teacher forcing，其 token 对数概率之和即为该选项得分。得分经 softmax 得到答案分布，类型化 JSON 在代码中构建。
用到的原语:choicescorenoul
值得抄的做法
对选项自身的词打分，而非字母代码，因此没有标签 token 的先验把答案拉向某些位置。
怎么试
uv run --locked litjev --model Qwen/Qwen3.8-27B，然后打开 http://127.0.0.1:8000/
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0.96
- 展示了 System One 用法片段中未检出0.22
- 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0.06
- 是能跑起来的工具在材料中检出0.82
- 学习案例 Top 10 候选信号片段中未检出0.30
- 是模型本身的复刻在材料中检出0.96
- 解决的问题够普遍（0–2）按 0–2 打分0.87 / 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1日 读 README 写成。