独立相关性不是互斥选择
一个工具 Noul 得分高不要求另一个降低；真正菜单数量限制来自本地 top-K 策略。
查看对应来源 ↗代码仓库分析
jev-toolspace
研究 Jev 如何构建任务级工具菜单的仓库，使用受控 TGB 与 BFCL 协议评估相关性判断。
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
- 1
- Forks
- 0
- 协议
- —
- 最近提交
- 2026-09-23
Jev 在这里做什么
独立 Noul 按共享任务证据评估各工具，本地聚合与 top-K 规则产生供下游评估的菜单遮罩。
将相关性评分与下游工具任务成功分开，并按模型、状态、问题身份复用缓存。
2026-10-24 核对固定版本的说明与实现材料。本站未运行 GPU 基准或在线评分。公开结果和历史服务限制未被重新验证为当前平台保证。
这个项目适合解决什么任务？
评估任务级工具菜单，而不是让 Jev 执行工具。
资料分析日期：
从输入到动作
- 基准轨迹或对话定义相关性状态。
- 每个工具独立回答 Noul，代码聚合分数并分配 top-K 文档预算。
- TGB/BFCL 评估器测量相应菜单遮罩下的下游行为。
实现中值得检查的地方
缓存键包含问题
client.py 对模型、状态和问题计算哈希以复用相同请求；改提示会改键，mock 则是确定性模拟，不是模型评估。
查看对应来源 ↗选择建议
适合受控工具菜单研究。保留构建/测试划分并比较下游任务表现，相关性高本身不能证明完成任务。
如何自行检查
阅读 README 协议与 client.py 的 _key/ask，确认改问题会改变缓存身份，且 JEV_MOCK 记录 model=MOCK 而非真实用量。
结论的适用边界
- 本站未运行 GPU 基准或在线评分。
- 公开结果和历史服务限制未被重新验证为当前平台保证。