Jev 在野：一周之内，一个决策原语如何铺满 GitHub

00 · 摘要七条论断，一眼看完

下面每一条都可以被论文里的数据证伪或证实。报告中所有图表都在展开这七条中的某一条。

01 · 全景图八个领域，两种体量

先把版图一次看全。这张图有两个径向通道：内环半径 = 项目数（规模有多大），外环半径 = 每项目平均星数（被关注到什么程度）。虚线是两个基准值——271 项目/类、101★/项目。外圈文字给出每个领域的主导职能，也就是下一章要展开的那件事。

表里的星数不在论文 Table 1 的汇总层面出现，是按子类逐行相加得到的；加总后的均值星数（271 / 364 / 8 / 31 / 37）与论文 §3.4 正文逐一吻合，这是本文档所有比例的自洽性校验。

02 · 数据是怎么来的三阶段流水线 + 双智能体复核

这份研究最有价值的部分之一，是它把「数一个生态」的方法写清楚了。三个阶段的取舍直接决定了后面所有结论的口径。

03 · 首周1,865 个新仓库，305 次既有接入

Jev 在 2026 年 9 月 15 日发布。一周之后，样本里已经有 2,170 个把 Jev 用在了具体任务上的公开项目。

04 · 生态版图8 个大类、18 个子类，没有一个成为主导

把 2,170 个项目摊开，第一件反直觉的事是：没有主导场景。最大的两类合计只占 35.4% 的项目，最大的单个子类（游戏与仿真 227 个）也只占 10.5%。

这张表逐行相加等于 2,170，是本文档对数据集完整性的第二道校验。它也顺带说明了一件事：「SDK 与工具」这一类有 175 个项目、34,800 颗星，占全部星数的 15.8%——但按论文的纳入标准，只有通用包装器而没有具体应用的仓库是被排除的，所以这里统计的是「既提供了 SDK/工具、又能看到它在具体任务里怎么用」的项目。

05 · 三个接口「全都要」是主流，不是例外

Jev 对外只有三种提问方式：Choice（从候选项里选一个）、Noul（是 / 否二元判断）、Score（按预先定义好的等级给分）。这三种接口怎么被搭配使用，是这份研究里最能直接指导工程的一条。

06 · 六种决策目的Jev 在一件事上被用得最多：判断

「决策目的」描述的是 Jev 在项目里扮演什么角色，与项目本身是什么领域无关。一个项目可以有多个目的，所以各项占比会重叠。

这个分布读起来像一句设计判词：开发者不是拿 Jev 去替换某个分类器，而是把它当成系统里的一个通用判断位——同一处代码里，先问「这段代码有风险吗」，再问「哪块 diff 是证据」，最后问「这个风险算几级」。这三问分别对应 Noul、Choice、Score。

07 · 领域 × 目的同一个 Jev，八种活法

这是全文信息量最大的一张图。论文的总结是：「Jev 扮演的是一个可复用的判断组件，它的角色随应用输入与下游动作而变。」

但漂移之下有一条稳定的底线：8 个领域里有 6 个仍以属性判断为首要目的。唯二的例外是仿真与控制、接口智能体（图中左侧橙色竖条标记的两行）——只有这两个领域把「选动作」摆在了「做判断」前面。换句话说，领域塑造的是次要职能，判断始终是基本盘。

表格每一行合计 100。论文正文明确点出了六个数字（52%、47%、27%、6%、21%、24%），本表全部对齐；其余格子的数值来自对论文原始图的逐段几何反解，四舍五入到整数。

08 · 错配19.6% 的项目，吃掉 63.0% 的星

如果把 GitHub 星数当成「什么方向有价值」的信号，这张图会让你重新掂量一下。

最能说明问题的是这一组对照：路由与自动化 250 个项目、平均 364★；仿真与控制 252 个项目、平均 8★。项目数几乎一模一样（差 0.8%），均值星数差 45 倍。

同一逻辑也解释了为什么两个「最大」的领域在关注度上是两个「最小」：内容与专家任务 387 个项目、搜索与记忆 381 个项目，均值只有 31★ 和 37★。

09 · 在野案例七条真实代码路径

论文附录拆了七个真实项目，逐个交代同一件事的三段：喂给 Jev 什么状态、它回答什么、代码拿这个回答做什么。论文特别声明：这些图总结的是源码路径，不是录制下来的运行轨迹。右侧色块标出每个项目用到的接口。

还有一条附带的工程信号值得记下：B.6 和 B.7 都出现了「同一状态上并行发多个问题」的用法——B.6 用 Choice 定动作、用 Noul 和 Score 旁路评估风险与危险度；B.7 用两次 Choice 串成层级分类。接口能并行组合，比接口本身更影响接入的顺手程度。

10 · 本地对照把 tetris-jev 放回论文的坐标系

本仓库的俄罗斯方块项目是一个「在野」的 Jev 集成样本，恰好可以拿来当论文结论的一次点验。（本节为解读者的对照注释，不是论文内容。）

更值得看的是本地实测数据如何印证论文第九节的「规律一」。项目保留了失败的第一版做对照：

v1 的失败方式恰好是「让模型做它不擅长的那部分」：把「下一步按哪个键」这种需要规划的问题丢给 Jev，概率摊平成 9–23%，决策瘫痪。v2 把枚举与模拟全部收回代码，只让 Jev 在已经算好后果的候选落点之间做价值判断，置信度升到 76–90%。这与图 8 里的 B.6（TypeSafe Mario）是同一种形状：代码枚举合法动作、Jev 在合法集合里选，动作的合法性由代码保证，不由模型保证。

另外，本项目用 Laya（开源对标模型，421M 双向编码器，Apache 2.0，choice / score / noul 同协议）做了同协议的第二后端以便离线对照——这正好落在论文 §3.2 的建议上：同类决策模型应当同时提供三类接口，这样既有调用方才可能零改动地换模型。本地实测也给出了这条建议的另一面：Laya 基座在本项目的棋局表示上没有判别力（输出接近均匀分布，棋力只有同环境 Jev 的百分之一量级），根因是缺任务语义先验而非接口不兼容——协议一致解决的是「接得上」，不解决「判断得准」。

11 · 结论五条判断、三条边界、四件可执行的事

五条判断

1. Jev 被当作通用判断位来用，而不是某个领域的模型。属性判断覆盖 77% 的项目，69.7% 的项目在做两个以上不同类型的判断。
2. 接口可组合，比接口本身更决定接入成本。36.8% 的项目三接口齐用，是占比最高的一档；而 Score 以 45.4% 的采用率对应着 52% 的评分类需求，是最大的功能供给缺口。
3. 领域塑造职能，但不改变基本盘。动作选择的占比从搜索与记忆的 3% 到仿真与控制的 52%，但 8 个领域里仍有 6 个以属性判断为首要目的。
4. 公开关注度不能代表使用结构。19.6% 的项目拿走 63.0% 的星；项目数几乎相同的两个领域，均值星数差 45 倍。
5. 模型给判断，代码给政策。七个在野案例无一例外把执行、门控、阈值与回退留在确定性代码中。

论文自陈的三条边界

• 时间快照：结论只对 2026-09-22 这一刻成立，生态在变，项目数、使用模式与关注分布都可能漂移。
• 只覆盖公开仓库：私有仓库与商业应用可能呈现不同模式，本文不构成采用情况的完整图景。
• 星数是代理指标：它衡量仓库整体可见度，可能被少数明星项目主导，不等于需求。

四件可执行的事

12 · 来源数据出处与本文档的推导路径

一手来源

• 论文：Guoming Ling、Muen Xue（中山大学）、Zijian Ye（中国香港中文大学），Jev in the Wild: A Data-Driven Analysis of the Jev Model’s Functionality, Applications and Ecosystem，arXiv:2609.30216v1 [cs.SE]，2026-09-24。数据快照 2026-09-22，覆盖 2,170 个公开 GitHub 项目。
• 论文图表：Figure 1（增长）、Figure 2（决策目的）、Figure 3（接口组合）、Figure 4（领域×目的）、Figure 5（供给与关注）、Table 1（8 大类 18 子类分布）、附录 B.1–B.7（七个案例）。

本文档数据的推导路径

• Fig 1 / 图 1、Fig 7 / 图 7：由 Table 1 逐子类相加重新聚合，星数汇总值与论文 §3.1、§3.4 的比例逐一吻合。
• Fig 3 / 图 3：终值 1,865 与 43,750★ 取自论文正文；逐日点位由论文 Figure 1 的原始 SVG 反解，误差约 ±2%，图中已标注。
• Fig 4 / 图 4、Fig 5 / 图 5、Fig 6 / 图 6：由论文原始 SVG 的几何逐段反解并做行内归一化。校验方式是把反解结果与论文正文明确给出的数字对照——Choice 81.0%、Noul 72.2%、Score 45.4%、36.8% 三接口齐用、69.7% 多用、52%、47%、27%、6%、21%、24% 全部对上。
• Fig 8 / 图 8：逐字改写自附录 B.1–B.7 的 Task and Input / Jev Decision / Use of the Decision 三段结构。
• Fig 9 / 图 9：解读者的对照注释，数据分别来自论文 Figure 4 与本仓库 README、engine.js、CONTEXT.md。

论文引用的相关研究（按主题分组）

• Jev 的应用与评测（§A.2）：服务编排中把自然语言请求转成结构化需求（Li et al., 2026b/2026a）；Jev-Mem 用 Jev 做记忆组织与检索控制（Jiang et al., 2026）；REFLEX 用 Jev 做动作选择并以置信度回退到更强 LLM（Wu and Lim, 2026）；另有碰撞叙事标注（Rafe and Das, 2026）、科学计算前的语义关系选择（Deng et al., 2026）、从元数据估计视频质量（Robitza, 2026）。评测显示准确率与校准随任务变化，把不确定个案路由到更强 LLM 可改善精度-成本平衡；对选项名称敏感（Sun and Xu, 2026）。
• 通用决策模型（§A.3）：Universal classifiers（Laurer et al., 2023）、UniMC（Wang et al., 2023）、Universal Discriminator（Xu et al., 2023）、GLiNER（Zaratiana et al., 2024）、GLiClass（Stepanov et al., 2025）、GLiNER2（Zaratiana et al., 2025）、UniEval（Zhong et al., 2022）、this-that-model-1.0（Cheng et al., 2026，单次前向返回多问题概率）、Visual Jev（Yu and Yao, 2026）。论文对自身工作的定位是：这些研究关注模型设计与预测质量，本文互补地考察 Jev 如何在公开生态里被集成进应用。
• 分类方法谱系（§A.1）：监督式文本分类（Devlin et al., 2019；Liu et al., 2019；He et al., 2020）→ 零样本方法（Yin et al., 2019；Halder et al., 2020；Clarke et al., 2023）→ 生成式语言模型（Brown et al., 2020；Puri and Catanzaro, 2019）→ 指令微调（Wei et al., 2022；Sanh et al., 2021）。Jev 定位在这条链的空隙上：监督分类器换标签集就要重训，LLM 零样本泛化好但自回归生成带来延迟与成本。

证据强度说明