AI 资源库 · 已整理 3 项
查看与置信度相关的 AI 资讯、工具、Skill、工作流和开源项目。
jaredpalmer/kev · Jev-like family of decision models built on top of Qwen3.5/3.8 you can train and run on your own
Kev 是一组基于 Qwen3.5/3.8 构建的小型决策模型（0.8B、4B、9B、27B），用于在同一请求中回答是/否、单选和评分类问题，并输出经校准的概率分布。项目提供预训练权重与本地训练流程，支持在自己的标注数据上微调、在 CUDA/Apple Silicon 上本地推理，并能通过 Modal 一键部署为 HTTPS 端点；其 API 与 TypeSafe System One 兼容，现有 Python SDK 可直接迁移使用。
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。
OpenAI 在年度 DevDay 大会上发布了一个名为 Decisions API 的新接口，用来专门做“从固定选项里挑答案”这类任务。以前开发者用聊天模型加提示词来做，结果慢、置信度也不准；或者自己训练小分类器，但每次改标签都要重新训练。这个 API 基于 OpenAI 最小的 Luna 模型，开发者只要给出问题、候选答案和背景，它就能在约 150 毫秒内返回带置信度的结果，适合内容分类、请求路由或帮智能体选下一步。目前它只在小范围预览，几天后才会大范围开放，每次调用价格、单次能处理多少候选答案、能否用自己的数据微调都还没说。