Jev風格模型能提供校準過的決策概率，但準確度較低。因此，許多流程會依賴推理模型作為備援。Jeeves訓練了一個類似Jev的Qwen3.5-9B模型（使用LoRA與指標頭），利用CISPO在做決策前進行推理。
這使得模型在跨領域任務上的表現更佳，並且在公開的JevBench難題中優於Jev模型。
在思考模式下，使用貪婪策略並限制2,560字元的輸入長度，Kev-9B與Jev欄位的數據為Kev發布的結果。
* Kev-9B尚未發布JevBench結果，現有為Kev-8B（Qwen3）。
所有JevBench數據均基於公開的簡易、標準與困難三個層級（共231項目），不包含封閉評測層級，且Jev與Kev數據均限於相同公開項目。
同一檢查點在無思考模式下於測試集（2,962項目）得分為0.804，啟用思考後提升至0.840。
系統需求為Python 3.12與CUDA GPU。
可下載已發布權重並進行部署，或將自行訓練的檢查點融合成獨立模型並搭配drafter服務。
請以Jev格式發送請求：
在一張H100（FP8）上，三個問題可並行思考並回應。
sdk/為Jev Python SDK（typesafe-sdk）的替代方案：
客戶端預設連接http://127.0.0.1:8009（或透過JEEVES_BASE_URL設定），無需API金鑰，等待時間最長120秒。
options為選填，若Jev客戶端未傳送則忽略。伺服器預設值可透過相應serve參數設定。
問題、狀態與答案會載入Qwen聊天模板中。
模型接著展開推理鏈，並在</think>標記後附加結果。
指標頭會根據<decide>位置隱藏狀態的查詢投影與各選項</opt>位置隱藏狀態的鍵投影，計算縮放點積分數。
這些標記在Qwen分詞器中較少使用。消融實驗發現，若在提示中改用純文字如“State”反而降低表現，且推理區塊後不重複問題也會影響準確度。最終概率為選項分數的softmax，並以在開發集上擬合的溫度參數調整。
在第402步停止可維持最佳校準與開發集分數，超過此步驟指標頭會因強化學習池飽和而過度銳化。
drafter/資料夾中為凍結模型的擴散視圖，靈感來自Orthrus。
與僅支援注意力模型的Orthrus不同，Jeeves支援Qwen3.5的Gated DeltaNet層，允許遮罩標記跨層關注這些層的卷積後鍵值。
預設使用第4區塊，因為多問題批次時成本較低。
可使用prep腳本在本地建立資料集，會從Hugging Face下載公開資料集，版本固定於prep/public.py中。
每個公開資料集均遵守其原始授權。
在8張GPU且資料置於data/資料夾時，執行bash run.sh即可完成整個流程。
若使用Jeeves、其訓練配方或drafter，請務必引用：
Jeeves – Reasoning improves Jev-like decision models
