README 自动摘要
根据 README 自动整理于 2026年9月25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
Jev-MedQA 在一次前向传播中从候选选项中为医学文本和图像问题选择答案，使用 Qwen3.5-4B 且无需额外训练。适用于医学问答基准和临床决策支持。
它怎么用 Jev
Jev-MedQA 在一次前向传播中读取模型对每个候选答案字母（A-D）的 logits，然后返回得分最高的选项。Softmax 将 logits 转换为相对分数。选择和分数直接用作答案。
用到的原语:choice
值得抄的做法
利用答案字母的 logits 作为直接选择机制，避免 token 生成。
怎么试
conda create -n jev-medqa python=3.10 -y && conda activate jev-medqa && pip install -r requirements.txt && python scripts/evaluate.py --gpu-ids 0,1 --model /path/to/Qwen3.5-4B --inputs questions.jsonl --answers answers.jsonl --output runs/full
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0.86
- 展示了 System One 用法片段中未检出0.33
- 写了怎么处理不确定片段中未检出0.04
- 给出了实测数字在材料中检出0.98
- 是能跑起来的工具片段中未检出0.30
- 学习案例 Top 10 候选信号未判定0.53
- 是模型本身的复刻在材料中检出0.93
- 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0.92
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9月25日 读 README 写成。