Promethe-us/awesome-jev

awesome-jev

语言 / Language: 简体中文 · English

精选 Jev / System One 官方资料、社区实践与研究阅读
A source-backed collection of Jev resources, community projects, and research.

X · 小红书线索 · GitHub · 论文 · 评测 · 工程实践

想以网页模式浏览？点击下方 logo 进入导航站；完整项目、论文与平台来源均可在网页中检索。

应用地图 · 完整目录 · 论文与评测全录 · 社交平台雷达 · 来源审计全录

社区整理，与 TypeSafe AI 官方无关。全库基线核验：2026-09-24；增量复查至 2026-09-28（Asia/Shanghai）。来源可读取不等于性能已被本仓库复现；覆盖范围与访问限制见 核验记录。

• 最新变化
• 30 秒了解 Jev
• Jev 在 Agent Loop 中的位置
• Jev 接入方式速查
• 时间线
• 网页导航、手把手 Jev 与 Robotics
• 官方资源与接入
• X 精选
• 小红书线索
• GitHub 生态
• 评测与局限
• 论文与技术阅读
• 深度文章与讨论
• FAQ
• 贡献

Jev 是 TypeSafe AI 的决策模型。程序提供文本状态和边界明确的问题，模型返回 Choice / Score / Noul；应用代码解释结果并决定下一步。TypeSafe 将这类模型称为 System One。它不直接生成文章、代码或自由文本回答。官方概念说明

模型、价格、预算、速率和语言信息均来自 Models，不是第三方网关的统一规格。

confidence 是由概率分布计算的统计量，不是模型的自由文本自评；也不应直接当成业务正确率。输出符合类型仍可能选错。Primitives · Confidence

名字中的 Jev 指向 William Stanley Jevons，System One 借用《思考，快与慢》的命名；这属于官方产品定位，并不构成对生物认知机制的证明。命名说明

Jev 更自然的角色是 decision layer（决策层），而不是替代 Generative LLM 的 generative layer（生成层）：生成模型提出方案、解释和候选动作，Jev 对边界明确的问题做快速的类型化判断，应用代码再执行系统策略。

User / Environment
        |
        v
 Generative Model
 propose / reason
        |
        v
 +-----------------+
 |       Jev       |
 | route / score   |
 | verify / gate   |
 +-----------------+
        |
        v
 Application Code
 permission / fallback / action
        |
        v
 Tool / Environment

常见放置点包括：

• Model routing：在事先允许的模型中，为简单任务选便宜模型，为复杂或不确定任务升级强模型。
• Tool approval / gating：对 LLM / Agent 提议的工具调用做类型化判断，供策略代码参考。
• Stopping：判断任务是否满足完成条件，或是否需要继续、重试、补充信息。
• Verification：按明确 rubric 检查结果是否符合约束；它不能证明开放世界事实必然正确。
• Memory / retrieval gating：判断哪些历史信息值得保留、检索或加入 context。

Jev 返回概率与类型化 decision；真正的 permission、authentication、sandbox、tool execution、retry、fallback 和 human-in-the-loop 仍应由 application code / system policy 控制。Jev 可以为安全策略提供一个语义信号，但不是 security boundary。

• 不是传统聊天模型或自由文本生成模型，也不是 tool executor。
• 不是 authentication / permission system，也不是物理机器人的 safety controller。
• typed output 不等于语义正确；probability / confidence 也不自动等于已经校准的正确率。

**迁移提醒：**TypeSafe 原生接口使用 Choice / Score / Noul；部分 framework / gateway 暴露 Choice / Score / Boolean 或更一般的 evaluation 抽象。迁移 provider 时重新核对 request schema、response schema、probability、confidence、threshold 与 fallback behavior，不要假设接口完全等价。

日期按原始来源；X 行使用 UTC。文章发表日与讨论帖收录日分开记录。

各渠道的模型标识、接口差异和用途已集中到上方接入方式速查；更完整的首次调用步骤见安装指南。

核验作者、UTC 发布日期和可读取文本；直达页受限时使用 X 官方嵌入接口或公开镜像交叉核对。演示数字均属于作者报告，未在本仓库独立复现；不以点赞数判断技术质量。

本轮访问了搜索页和原始笔记链接，但未取得可核验的笔记正文。 搜索页未返回笔记结果，详情页出现登录跳转、暂不可浏览或超时；没有可用的已连接平台检索插件。因此下面是待核验入口，不是已确认的实测结论，也不代表平台没有更多新内容。

关于 xsec_token：小红书近年为笔记链接引入 xsec_token（配合 xsec_source）作为安全校验与反爬参数，直链必须携带与会话 / 来源绑定的有效 token 才能打开；缺 token 的站外直访会跳登录、提示“当前笔记暂时无法浏览”或 404。因此本节多数笔记链接在浏览器直接打开会失败，这不代表笔记已删除；带 token 的链接也会随 token 过期失效。

二级索引来自什么值得买的参考来源列表 A、列表 B与列表 C，只用于发现原始链接。站内可检索 Jev、Jev 模型、TypeSafe、Jev 实测。完整访问情况与收录门槛见 SOURCES.md。

三条入口已由维护者在浏览器中确认可打开（2026-09-24）；自动化抓取仍被知乎反爬拦截（403），正文要点待读取后补充。标题中的数字在对照正文复核前不采信。

另：程序员鱼皮的实战教程有知乎同题入口，同一实验只算一条，已收录在深度文章区，以可读取的腾讯云原文为准。

星数为 2026-09-24 GitHub API 快照，表示关注度，不是质量或性能评分。完整分类、更多项目和更新后的仓库名称见 CATALOG.md。

浏览器项目存在随日期失效的演示目标：09-21 的 issue #93指出默认机票日期已过期。复现演示时应检查输入条件；该 issue 是问题报告，不代表所有版本均已修复。

• 193.6× 更快、444.6× 更便宜是 TypeSafe 特定工作流上的结果，官方指出它们偏向真实收益的高端；不是所有任务、地区或并发下的保证。方法说明
• 100% judge 命中来自 5 个固定轨迹的重复评判；可研究稳定性，但无法据此宣称对任意任务准确。实验代码
• 中文场景已有可读小样本：40 条工单中 Jev 31 条正确；含糊和边界输入仍有明显问题。中文实验
• 同输入横向测试出现更多任务：sysone-bench 比较 Jev、Laya、路由版 Laya 与 Qwen 约束解码；各模型的优势随任务变化。其“751 states”实际对应原始文件中的 751 个计分判断，详见口径核对。实验仓库
• 工具调用评测需要看多数类基线与标签来源：Archestra 的 100 调用实验采用模型裁判一致子集，不能只读总准确率。实验文章
• 类型正确不等于语义正确：数学、日期、长上下文、对抗输入和跨问题恒等式都有已知限制。官方说明。09-22 的选项名敏感性论文进一步实测：只交换选项名与定义的对应，Jev-like 开源模型 AUC 从 0.94 跌到 0.23，托管 Jev 同类现象但幅度较小，而类型错误率始终为 0%
• 第三方横评开始出现：09-21 的计算社会科学标注横评（18 任务 7,977 样本）报告 Jev 在 15 个正式任务中 14 个落后单任务最佳 LLM（中位差 11.6 macro-F1），但成本约为 1/44，且低置信度路由回 LLM 可用 1/4–1/2 成本追平；09-22 的 REFLEX 也报告外部评测对低成本生成级联的优势不稳定。均为作者报告，任务与提示词互不相同，不能合并排名

完整方法比较、指标口径、局限与复核清单见 RESEARCH.md。

截至 09-26 未发现 TypeSafe 官方 Jev / RLCD 技术论文；这里收录的直接研究均为第三方预印本。此前核验的 13 篇仅代表 09-22 截止的历史批次，不是当前论文总量。09-23 / 09-24 新核验 8 篇，详见 RESEARCH.md。

新增研究中，Decision Hijacking 研究类型化决策受到提示注入后的概率变化；Just Ask Jev 提供对齐失效检测基准与受限访问的数据；JEV vs. LLMs as Rubric Judges 报告其任务中评判器的相关错误。另有医疗报告、法律文档、移动操作、星际争霸控制和生态方法学研究；不要把单篇实验结论推广为 Jev 的通用性能。

以下 6 篇背景研究按关联性收录，不将背景论文包装成 Jev 的训练配方：

作者、日期、发表性质和阅读边界见 论文详解。

讨论入口：HN 发布帖、Simon 文章讨论（09-22 收录）、工具调用评测讨论、Reddit 先前工作争议。讨论热度和当事人主张都不能替代实验或论文证据。

现在还要排队吗？ 官方已宣布取消候补名单。直接到 Console 登录；历史教程中的 waitlist 步骤已过时。见公告与安装指南。

能在本地运行 Jev 吗？ 本轮未找到官方 Jev 权重。Laya、Kev、SemIf、Nimble 等是独立开放实现，能力、训练与许可分别以各项目为准。

能看图、写文章或生成 3D 模型吗？ 当前官方接口只接受文本状态。相关演示通常先将视觉 / 音频转成文本，或让 Jev 从已有素材和动作中选择；生成工作由其他组件完成。模型规格

返回 0.9 是否意味着这次一定有 90% 把握正确？ 需要先分清概率字段和 confidence，再在目标分布上测量校准；单个数值无法替代任务验证。Confidence

为什么不收录所有热帖？ 重复转述、只有夸张标题、无法找到原文或没有实验条件的条目不能作为技术结论。受访问限制的社交线索单独标注，欢迎补充可复核来源。

1. 与 Jev / System One 直接相关；优先官方资料、作者原帖、代码和原始论文。
2. 附作者、发布日期、原始链接；社交平台注明正文是否可读取。
3. 数字附任务、样本量、版本和测量条件；星数 / 热度注明快照日期。
4. 同一案例的中英文转述互相链接；不重复计算为独立实验。
5. 小红书线索核验后请补作者、时间与内容证据，再移入正式精选。
6. 提交前检查 Markdown、相对链接和目录锚点。

MIT © 2026 awesome-jev contributors