---
title: RSI
emoji: 🌍
colorFrom: pink
colorTo: green
sdk: gradio
sdk_version: 6.29.1
python_version: '3.12'
app_file: app.py
pinned: true
license: agpl-3.0
short_description: AI 在夢裡練功的遞迴自我改進（RSI）× Jev 判別引擎
---

# Jev-style 判別式決策 POC

讀者可親手體驗的互動展示：輸入一段狀態文字＋問題，開源的 Jev-like 模型（jevos，`feder-cr/jev`）直接輸出**機率分佈**——不生成任何文字（`output_tokens=0`）。這正是文章第六節「Jev：System 1 判別引擎」在講的東西。（延遲依硬體而定：repo 公開基準在筆電 CPU 上短請求 26ms；App 會顯示實測延遲）

## 方案一：本地運行（最快，約 3 分鐘）

需求：64 位元 Linux／macOS／Windows，CPU 即可，不需 GPU。

```bash
# 1. 下載（以 Linux 為例；macOS 用 jev-macos-arm64.tar.gz，Windows 用 jev-windows-x64.zip）
curl -sL -o jev-linux-x64.tar.gz https://github.com/feder-cr/jev/releases/download/jevos-v3/jev-linux-x64.tar.gz
curl -sL -o jevos-v3-openvino-int8.zip https://github.com/feder-cr/jev/releases/download/jevos-v3/jevos-v3-openvino-int8.zip

# 2. 解壓並啟動（模型約 630MB，解開放 jev/model/）
tar -xzf jev-linux-x64.tar.gz && cd jev
unzip ../jevos-v3-openvino-int8.zip   # 產生 model/
./jev serve                            # Windows: jev.exe serve

# 3. 另開終端機，丟一個是非題
curl http://127.0.0.1:8017/v1/systemone -H 'Content-Type: application/json' -d '{
  "model": "jev-latest",
  "state": "I was charged twice for the same order.",
  "questions": {"billing": {"type": "noul", "instructions": "Is this a billing problem?"}}}'
# 回傳 {"answers": {"billing": {"type": "noul", "noul": 0.94}}, "usage": {"input_tokens": 27, "output_tokens": 0}}
```

## 方案二：免費部署到 Hugging Face Spaces（讀者免安裝，開網頁就能玩）

需求：一個免費的 huggingface.co 帳號。不需信用卡。

1. 到 <https://huggingface.co/new-space> 新增 Space：名稱自取（例 `jev-poc`）、SDK 選 **Gradio**、可見度選 Public、硬體選 **CPU Basic（免費）**。
2. 把本目錄的 `app.py` 和 `requirements.txt` 上傳到該 Space（網頁拖曳或 `git push` 皆可）。
3. 等待建置完成。**首次啟動** `app.py` 會自動下載 jevos（約 660MB）並快取在 Space 的 `/data` 持久目錄，約需 2–5 分鐘；之後每次啟動秒開。
4. 把 Space 網址貼到文章的「讀者體驗區」即可。

費用：全程免費（CPU Basic 免費額度內；模型快取在 /data 不重複下載）。

## 方案三：直接玩別人架好的

* **NanoJev 遊戲實機**（作者已部署）：[ViZDoom](https://nanojev-dev.tianyuchen99.chatgpt.site/?autoplay=1)｜[Maze & Snake](https://nanojev-dev.tianyuchen99.chatgpt.site/side-by-side?autoplay=1#maze)——看 0.6B 判別模型即時打遊戲，每一幀都是毫秒級決策
* **RSI-Jev**：[互動 demos](https://shanghua-gao.github.io/RSI-Jev/)｜[Colab 一鍵重跑](https://colab.research.google.com/github/Shanghua-Gao/RSI-Jev/blob/main/notebooks/rsi_jev_v4_vl_quickstart.ipynb)（免費 GPU）
* **CLM-8B**：repo 內附 [Fine-Tuning Tutorial](https://github.com/Contrastive-LM/CLM#fine-tuning-clm-on-your-own-data)，可在自己的資料上微調

## 技術說明

* 後端 `jevos` 支援 `noul`（是非）、`choice`（多選）、`score`（評分）三種題型，走 TypeSafe Jev 的 wire format（`POST /v1/systemone`）。
* 多選題在內部會展開成「每選項一個是非題」再正規化；有共同前綴只讀一次，所以 10 個選項也只要約 170ms。
* 準確率參考（repo 公開基準）：2,676 題多選 78.8% 答對；confidence ≥ 0.75 時 95% 正確。