Skip to content
v0.1.0 · 现已就绪

为你的模型,加上决策力

给你的LLM / MLLM装上决策引擎

零训练,直接获得 Jev 风格的决策能力。从文字与图片中完成分类、评分和动作选择,仅需 prefill。

L2J / DECISION FLOWPREFILL ONLY
输入证据

“我的信用卡被重复扣款了。”

哪个部门应当处理?
已有模型权重

一次前向,读取 yes / no logits

0TRAINING
结构化决策
账单问题
0.92
物流配送
0.08

示例概率 · 非实时推理

选择你熟悉的后端
SGLang+Transformers+MLX
TEXT + VISION

更少的部署,直接的决策

把已有模型的能力用起来。

01 /

零训练,直接接入

保留现有模型权重,用 Choice、Score、Noul 描述任务,获取结构化决策和概率。

NO FINE-TUNING
02 /

仅需 prefill

从 yes/no logits 直接计算概率,无需逐 token 生成答案。共享前缀进一步减少候选间的重复计算。

PREFILL ONLY
03 /

聊天与决策,共用 client

沿用 OpenAI SDK 的调用方式。SGLang 部署下,聊天与决策还共用服务、推理引擎和模型。

OPENAI SDK EXTENSION

熟悉的调用方式,新的决策能力

几行代码,让模型做决定。

构造一个 client,提交一个问题,拿到答案与概率。支持同步、异步以及图文输入。

阅读完整使用指南
先安装你需要的后端uv sync --extra sglang
decision.py
from llm2jev import Client, Choice

client = Client(
    base_url="http://localhost:30000/v1",
    api_key="unused",
)

response = client.systemone.create(
    model="local-model",
    state="My card was charged twice.",
    questions={
        "decision": Choice(criteria={
            "billing": "Charges and billing",
            "shipping": "Delivery",
        }),
    },
)
print(response.answers["decision"])
↳ OUTPUT · 示例概率 · 非实时推理
{
  "type": "choice",
  "choice": "billing",
  "probabilities": {
    "billing": 0.92,
    "shipping": 0.08
  }
}

从屏幕到真实任务

看见、判断、行动。

同一套决策接口,连接不同的任务。

持续构建

最新动态

查看全部动态
01
v0.1.0:零训练,为 LLM / MLLM 加上 Jev 风格的决策能力。支持 SGLang、Transformers、MLX 多种后端,提供扩展自 OpenAI SDK 的 Python client。
03
JevBench 测评: LLM2Jev 在 231 个公开题目上的准确率和延时,p50延时不到Jev官方的1/10。

LLM2JEV / OPEN SOURCE

让你的模型,开始做决策。

开源 · Apache 2.0 · SGLang / Transformers / MLX

开始使用

独立开源项目,与 Jev 或 TypeSafe 无关联。