AI 资源库 · 已整理 3 项
查看与零样本分类相关的 AI 资讯、工具、Skill、工作流和开源项目。
iammonth1997/paperwiki-research-compiler · AI Research Wiki 2026: Auto-Building Knowledge Base with Deep Citation Syntheses
PaperWiki 是一个面向研究场景的自主维基构建工具，能够将 PDF、网页、学术论文和原始文本摄入为互联知识，并借助本地 DeBERTa-v3 零样本分类器将查询路由到对应知识域。其核心能力包括：随时间持续复合的持久知识图谱、跨会话记忆、自动化的深度研究综述引擎（收集 15–30 条引用来源并生成 3000–5000 词带引用的综述文档）、多语言输出、响应式 Web UI，以及通过 OpenAI 或 Claude API 进行合成生成的可选集成。项目宣称可本地优先运行，分类与实体抽取在本地完成，但网页搜索与 LLM 合成可能访问外部 API。
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。
Featherless 是一家提供无服务器推理服务的公司，它发布了一个叫 Simple Jev 的开源库，能把开源 AI 模型变成高速的“零样本分类引擎”。原来的问题是，很多开发者用超大的前沿模型去干分类这种简单活，比如判断一张图片或一段文字属于哪一类，既慢又贵，就像开坦克送披萨。Simple Jev 不让模型写长篇回答，而是直接读出它对各个选项的打分并给出概率，因此更快、更省算力。开发者可以用免费公共接口试玩（限制 2000 词上下文、每秒 2 次请求），生产环境起步价每百万输入 token 0.03 美元，输出免费；目前视觉分类仅支持 Gemma 或 Qwen 模型。