工具与职业用途,一起找

AI 资源库

统一浏览 AI 工具、Agent Skills、提示词、工作流与开源项目,按职业和用途找到工作中用得上的资源。

资源与用法

1 份资源

Simple Jev:把开放模型变成结构化分类与评分端点

featherless-ai/simple-jev · Turn any open model into a classifier/jev endpoint

Simple Jev 让兼容的开源模型(如 Hugging Face 上的 Qwen、Gemma、Laya 系列)无需额外训练分类头即可用于结构化分类与评分。请求包含共享上下文(state 或 messages)和若干问题,服务端读取模型在候选标签上的 next-token logits,自行构造 JSON 响应,返回 choice(多选一)、score(量表打分)和 noul(真值/支持度判断)三类结果,输出不依赖模型生成文本。项目包含基于 Hugging Face Transformers 与 PyTorch 的本地服务、供其他推理实现复用的 Python common 规则模块、以及带 JevBench 打分、文本/决策与视觉套件、提示格式搜索的评测框架。

展开详情收起详情:Simple Jev:把开放模型变成结构化分类与评分端点

程序员将兼容的开源模型(如 Qwen、Gemma、Laya 系列)作为结构化分类与评分端点使用,无需训练分类头;通过 POST /v1/classifier 发送共享上下文和问题,获取 choice、score、noul 三类 JSON 结果,用于代码或文本的分类、评分与真值判断。

HR使用结构化分类端点对员工消息或文本进行路由分类(如 billing/technical)和真值判断(如是否明确请求退款),可用于员工沟通或人力数据整理中的文本分类与判断。

产品经理利用结构化分类与评分端点对用户反馈或需求文本进行多选一分类、量表打分和真值/支持度判断,辅助用户研究与需求分析中的定性数据整理。

★ 575 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗