GitHub - firelex/jeff: ضبط دقيق لـ Qwen3.5 و Gemma 4 للتصنيف بدون عينات: نماذج قرار صغيرة وسريعة تدمجها في كودك، بنفس تنسيق الطلب مثل Jev. تصف موقفًا وتدرج الخيارات بكلمات بسيطة؛ يعيد Jeff احتمالية معايرة لكل خيار من تمريرة أمامية واحدة. لا نص مولّد، لا تحليل: حوالي 22 مللي ثانية لكل قرار على RTX PRO 6000 و 28 مللي ثانية على Apple M4 Max (MLX).

بدون عينات يعني أن الخيارات يمكن أن تكون أي شيء: قوائم الدعم، نوايا المستخدم، تسميات الإشراف، أوامر صوتية، حركات لعبة. لا تحتاج فئاتك إلى الظهور في بيانات التدريب؛ تصفها، ويختار Jeff. هذه نماذج صغيرة جدًا. تتخذ أحكامًا سريعة جدًا ومعايرة جيدًا بين الخيارات، وتندمج بسهولة في كودك المحلي. في المعايير، تقترب من Jev، وتتفوق عليه أحيانًا؛ ولكن بهذا الحجم، لن يتطابق تفكيرها مع Jev، الذي يعمل على نموذج أكبر بكثير.

مبني بالكامل على أجهزة محلية. التدريب على وحدة معالجة رسوميات محطة عمل RTX PRO 6000 واحدة (يتدرب 0.8B في حوالي ساعتين، و2B في حوالي 3.5)، جميع بيانات التدريب الاصطناعية كتبها نموذج مفتوح (Qwen3.8-Flash-Next) على اثنين من DGX Sparks، والاختبار على Mac Book. لا وحدات معالجة رسوميات سحابية، ولا مخرجات نموذج مغلق في بيانات التدريب. يستخدم Jeff نفس تنسيق الطلب مثل Jev، لكنه ليس تابعًا أو معتمدًا من Type Safe، صانعي Jev. النماذج على Hugging Face: Jeff-Qwen3.5-0.8B، Jeff-Qwen3.5-2B، Jeff-Gemma4-E2B.

المعايير: 4,599 سؤالًا من خمسة معايير عامة، بالإضافة إلى المستوى الصعب العام لـ Jev Bench. النتيجة الإجمالية لـ Jeff تطابق أو تتفوق على Jev في التصنيف والتأريض.