Stub 被明确标记，不是假装便宜 Jev
decision.py 的 StubDecision 返回固定值，backend/model 均为 stub、token 为零，只用于验证测量管线。
查看对应来源 ↗代码仓库分析
jevrag
该项目为 RAG 流程提供可插拔的决策层，通过统一的 state → Decision → confidence → action 接口实现检索停止、分块、上下文选择、回答拒答和缓存信任五类决策，并以 Jev 作为首个可替换后端，同时提供校准评估工具。
E2 · 资料已核对已检查公开资料或源码证据；仅有固定提交链接并经对应源码核对，才可称固定版本核验。不代表本站运行过、认可性能或保证安全。
- Stars
- 3
- Forks
- 0
- 协议
- MIT
- 最近提交
- 2026-09-22
Jev 在这里做什么
Jev 根据检索状态对证据充分性、块边界、上下文选择、答案弃答和缓存信任五个 RAG 决策点给出类型化答案与置信度。
减少后续处理的冗余信息。
已阅读所引决策接口与 RAG 适配文件，核对 stub 来源标记及绕过时的相关性空值。本站未重跑数据集评估或付费调用；计算指标时必须区分 stub、None 绕过记录与真实 Jev 结果。
这个项目适合解决什么任务？
评估学习型判断在哪些 RAG 环节有用，而非默认替换全部阈值。
资料分析日期：
从输入到动作
- 把停止检索、切块、上下文选择、拒答或缓存信任封装为 Decision。
- 记录后端、模型和用量来源。
- 在评估集上比较正确率、校准与风险覆盖。
实现中值得检查的地方
绕过可能意味着没有可测把握度
rag_jev_selector.py 对 bypass 保留 None，不造分数；覆盖率与准确率的分母必须体现这些缺失。
查看对应来源 ↗选择建议
适合能为某一项 RAG 决策建立确定性对照的团队；证据或覆盖不足的原语应保持实验状态。
如何自行检查
阅读 DecisionResult 元信息及适配器 selection reasons，重算时把 stub/bypass 与真实 Jev 返回分开。
结论的适用边界
- 本站未复现数据集评估或付费调用。
- 作者基准与阈值取决于数据和策略，不能无条件迁移。