PostHog 开源 Jeeves：让决策模型先推理再回答，JevBench 公开档 0.935 超 Jev
PostHog 把 Jeeves 放上了 GitHub 与 Hugging Face，MIT 许可。它是一个 9B 的 Jev 类决策模型：以 Qwen3.5-9B 为底座加 LoRA 与指针头，训练用 SFT 与 CISPO，让它先把理由想出来再给决策概率，全部训练代码与 train/dev/test 数据一并公开。名字来自它要解决的问题——Jev 类模型能给出校准过的概率，但准确率偏低，于是多数流水线还要再挂一个推理模型兜底。
按官方给的表格，把两步并成一步是有效的：在从未训练过的测试数据上总分 0.889，高于 Kev-9B 的 0.822 与 Jev 的 0.857；在 JevBench 的公开档上是 0.935，Jev 为 0.866。接口与 Jev 兼容，一次请求里可以混用是/否、多选与打分三类问题。
代价与边界要并读：迁移项（MMLU-Pro 与 buried state）Jeeves 是 0.746，低于 Jev 的 0.800——即「会推理」换来的是域外与特定迁移任务上更保守的表现，不是全面领先。延迟上，单张 H100 且用 fp8 时，不思考约 0.3 秒一次，思考时中位 3.3 秒，链条截断可以再快；推理可跑在 CUDA 的 bf16/fp8 与 Apple Silicon（MPS）上。
原文链接：PostHog 官方仓库
核验记录
定日依据两个官方时间戳互证：HF 权重仓 https://huggingface.co/PostHog/jeeves 的 createdAt = 2026-09-29T10:47:06Z，GitHub 仓 PostHog/jeeves 的 created_at = 2026-09-29T09:56:47Z（相差 50 分钟），lastModified/pushed 均为 2026-10-01。⚠ 本机未找到厂商官方博文：posthog.com/blog 正文 grep「jeeves / Jeeves / Jev」命中 0（该页 1,189,346 字节已读，属 R28 的分母），故日期取自仓库时间戳，按 R21 降级链第 ③/④ 层，置信度记中高而非高，不能称「官方公告日」。数字逐句取自 GitHub README 的结果表：test overall 0.889 / 0.857(Jev) / 0.822(Kev-9B)、JevBench public 0.935 vs Jev 0.866、transfer overall 0.746 低于 Jev 0.800、0.3 秒与 3.3 秒中位（H100 fp8）、9B = Qwen3.5-9B + LoRA + pointer head、block-4 扩散草稿器、SFT + CISPO、MIT。配图 opengraph.githubassets.com PNG：裸请求与带站内 Referer 各一次均 200 / 44,155 字节，file 校验为真实 PNG（1200×600）。
← 上一篇vLLM 语义路由放出 Decision 2.0 全家族：0.6B 到 27B 六个开放权重，给路由做不生成文本的决策层下一篇 →Multiverse 开源 ProvenanceGuard：专治智能体「引错源」