不同原语采用不同读出
中文 README 描述 Choice 的共享标量头/集合注意力、Boolean 的 sigmoid 及 Score 的概率加权期望，不能都当成同一个 argmax 标签。
查看对应来源 ↗代码仓库分析
NanoJev
Jev 决策模型的纳米级复刻版本，支持并行决策输出、动态候选集与完整的端到端训练评估流水线。
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
- 2,159
- Forks
- 228
- 协议
- MIT
- 最近提交
- 2026-09-21
Jev 在这里做什么
通过前向网络对多个并行问题与动态候选集进行一次性评分，输出归一化置信度并记录游戏环境中的动作路径。
开源了从数据准备、模型训练到游戏评测的全套流程，为学术界与开源社区研究非生成式离散决策模型提供参考。
源码已核验。包含训练脚本与模拟导航评估代码；复刻模型的训练收敛度与各下游任务上的泛化度需独立验证。
这个项目适合解决什么任务？
研究不解码输出 token、支持动态候选的决策模型实现。
资料分析日期：
从输入到动作
- 编码状态及每题候选集合。
- 从决策头读出 Choice、Boolean 或有序 Score 分布。
- 评估本地预测，或与托管导航基线比较。
实现中值得检查的地方
在线评测脚本不等于离线测试
evaluate_live_jev_navigation.py 通过 worker 发送输入并等待响应；提供比较机制，不是本站验证过的导航成绩。
查看对应来源 ↗选择建议
适合研究动态选项与训练流程；接入前看输入路线图，不能预设完整支持 TypeSafe 的结构化 instructions 或原生 Noul。
如何自行检查
对照 README 输入类型和路线图，再跟踪 worker 协议；报告中分开本地模型与托管调用。
结论的适用边界
- 本站未训练、运行 GPU 推理或导航评测。
- 作者基准取决于数据集和协议，不是服务保证。