Forschung & Neimplementierung
Offene Neimplementierungen und Experimente zum System-One-Entscheidungsmodell selbst.
Projekte dieser Kategorie
- Mapika/deciderGitHub ↗★ 1.2kPythonEine Familie von Modellen im System One-Stil, feinabgestimmt auf Qwen3.5, konzipiert für einstufige typisierte Entscheidungen mit kalibrierten Wahrscheinlichkeiten.
- wfzyx/vonGitHub ↗★ 923PythonDas Open-Source-Entscheidungsmodell System One. Sub-15ms, nicht-autoregressiv, lokaler Drop-in-Ersatz für TypeSafe Jev.
- YannQi/R-4BGitHub ↗★ 186—Ein offenes 4B-Entscheidungsmodell (Reflex-4b): 2-3x schneller als Jev bei etwa 5% geringerer Genauigkeit, Apache 2.0.
- kshetrajna12/reflexGitHub ↗★ 174PythonEin kleines offenes Entscheidungsmodell: Zustand + typisierte Fragen → kalibrierte Wahrscheinlichkeiten, neu erstellt auf Qwen3.5.
- ikermoel/open-alternative-jevGitHub ↗★ 74PythonOpen-Source-Alternative zu TypeSafes Jev: eine Model-Layer im Stil von System One, die aus jedem Open-Weights-LLM in einem Forward-Pass typisierte, kalibrierte Entscheidungen liefert (HF + vLLM), mit ehrlichen Benchmarks.
- Mapika/decider-2bGitHub ↗★ 60—Ein offenes 2B-Entscheidungsmodell (Decider-2b): ~10x schneller als Jev, vollständig lokal, etwa 5% geringere Genauigkeit.
- r-ms/mini-jevGitHub ↗★ 60Pythonmini-Jev: So sieht eine Jev-ähnliche typisierte Entscheidungs-Schnittstelle auf einem gefrorenen Qwen3-4B aus — Logits des Optionsbuchstabens werden gelesen, anstatt JSON zu generieren. Registriertes Experiment, Ergebnisse, Lehrbank.
- zhengxuyu/litjevGitHub ↗★ 47PythonVerwandle jedes Standard-LLM in eine Jev-ähnliche Entscheidungsschicht
- zhihz/openjevGitHub ↗★ 37PythonLokale zweisprachige Wahrscheinlichkeitsentscheidungen auf Basis von Kontext, Fragen und Antwortvorschlägen. Unabhängige Forschungspreveröffentlichung, inspiriert von TypeSafe Jev.
- GiesN/typesafe-jev-workflowGitHub ↗★ 11PythonEin asynchrones LangGraph-Beispiel, das simulierte E-Mails als rechnungsrelevant oder allgemein klassifiziert.
- us/jev-localGitHub ↗★ 9PythonLokaler Jev-kompatibler Evaluierungsserver: POST /v1/systemone mit typisiertem noul/choice/score, offenen Gewichten, ohne Warteliste
- scienthoon/jev-ood-calibrationGitHub ↗★ 6PythonUnabhängiger Kalibrierungstest von TypeSafe's Jev bei einer Aufgabe, die es nicht kennengelernt haben kann: 900 regelbasierte Support-Tickets (Auswahl / Punktzahl / boolesch) sowie drei öffentliche Benchmarks über das Vercel AI Gateway. Rohantworten, ECE mit Rauschboden, Temperaturanpassung, Vorzeichen der Fehlkalibrierung pro Typ. Reproduzierbar für ca. 0,06 Dollar.
- jgridifier/jev-research-evalGitHub ↗★ 3HTMLReproduzierbarer Jev Ultrafast-Forschungs-Browser-Evaluierungsrahmen + Feldnotizen (QC-geprüfte Fälle, Testlauf, Berichtsgenerator). Keine Anlageberatung.
- ably-labs/jev-pongGitHub ↗★ 1TypeScriptPong, bei dem sich der Ball pro Modellantwort einen Schritt bewegt. Jev gegen LLMs über Vercel AI Gateway, jeder Spieler und Agent auf einem Ably-Kanal.
- miounet11/openjevGitHub ↗★ 0—Können wir etwas wie Jev auf einer 3090 zu Hause ausführen?
- yodablocks/jev-orderby-benchGitHub ↗★ 0PythonPlacing an ORDER BY command on a Jev probability results in a defensible order of rows? Independent ranking, calibration, and invariant measurements of TypeSafe AI's Jev: passes six pre-registered gates on 360 labeled rows, fails four of six on graded product relevance.
Im Jev-Community-Ökosystemverzeichnis gelistet, Datenstand 2026-11-02.
Häufige Fragen
Was ist Forschung & Neimplementierung?
„Forschung & Neimplementierung" ist eine Projektkategorie im Jev-Ökosystem mit derzeit 16 Projekten. Offene Neimplementierungen und Experimente zum System-One-Entscheidungsmodell selbst.
Welche Projekte in „Forschung & Neimplementierung" sollte man zuerst ansehen?
Nach Stars sortiert zuerst: Mapika/decider, wfzyx/von, YannQi/R-4B, kshetrajna12/reflex, ikermoel/open-alternative-jev. Jedes Projekt hat eine eigene Seite mit Einordnung, Sprache, Lizenz und Alternativen derselben Kategorie.
Weitere Kategorien
Auf dieser Seite weiter
Test, Doku, Fälle und Preise verlinken einander. Die nächste Seite liegt auf dieser Site.
Mehr auf dieser Site
- Site-VerzeichnisDie vollständige Liste der Seiten oben.
- ÖkosystemCommunity-Projekte nach Kategorie.
- Jev-CoverageJeder Eintrag nennt Entscheidung und Beleg.
- Tägliche FälleJeden Tag die nächste Gruppe aus dem Korpus.
- CommunityÖffentliche Beiträge, jeder mit Quelle.
- BuildsNotizen zu Modell- und Site-Updates.
- PrimitiveChoice, Noul und Score zusammen.
- MusterRouting, Fan-out und zusammengesetztes Scoring.
- SDKsHTTP, Python und JavaScript.
clavue-jev nutzen
- Ein Urteil versuchenSchreibe einen Zustand und lies die Antwort.
- LiveTetris, sechs schnelle Urteile und eine Sortierung. Kopiere den Aufruf und führe ihn erneut aus.
- LaborSupport-Triage, Release-Review und mehr — bearbeiten und sofort ausführen.
- Vergleichclavue-jev und jev-1.13.0 beantworten dieselbe Frage.
- DemosUrteil-Beispiele, die du bearbeiten kannst.
- PreiseEingabe kostet $0.042 pro Million Token. Ausgabe ist kostenlos.
- APIRufe POST /v1/judge mit einem Key auf.
Doku
- EinführungWofür dieses Modell da ist.
- SchnellstartDas kleinste lauffähige Beispiel.
- System OneHier geschrieben: ein Zustand plus eine typisierte Frage. Das Modell ist clavue-jev.
- ZustandDer Text, den du sendest.
- KonfidenzWie sicher die Antwort ist und wann man darauf handelt.
- ChoiceWähle eine von mehreren sich ausschließenden Optionen.
- NoulEine Ja/Nein-Frage, zurückgegeben als Wahrscheinlichkeit für Ja.
- ScoreEntlang einer Skala bewerten.
- Absichts-RoutingEin Choice-Aufruf leitet die Anfrage weiter.
- Konfidenz-RoutingBei hoher Konfidenz handeln, bei niedriger übergeben.
- Fan-outMehrere Fragen zu einem Zustand.
- Zusammengesetztes ScoringMehrere Scores zu einem Ranking verrechnen.
- HTTP APIDie Anfrageform ohne SDK.
- Python SDKEin Urteil aus Python aufrufen.
- JavaScript SDKEin Urteil aus JavaScript aufrufen.
Fälle
- AnwendungslandkarteWelche Primitive wofür genutzt werden.
- LeitplankenEine Ja/Nein-Prüfung, bevor eine Aktion läuft.
- FunktionsaufrufPer Urteil entscheiden, welche Funktion aufgerufen wird.
- Klassifizieren mit KonfidenzNicht handeln, wenn die Klasse unsicher ist.
- Semantische SucheDie passenden Passagen finden.
- Parallele FragenDen ganzen Satz in einem Aufruf fragen.
- Hierarchische KlassifikationErst grobe Klasse, dann die feine.
- Zitat-PrüfungOb ein Satz durch die Quelle gestützt wird.
- EntitätsabgleichOb zwei Namen dasselbe bezeichnen.
- Skill-VorschlagAus den Kandidaten den passenden Skill wählen.