ReJev 在 MiniCPM5-2B 上把 Jev 式的决策模型训练流程独立复现了一遍，想回答的问题很具体：一个小模型能不能不靠自回归自由生成，也学出稳定的结构化决策行为。
完整的训练与评测流水线，技术报告 §1 有详细说明。
实验设计
任务形式：state + question + options → one decision（状态、问题、选项，最后给出一个决策）。
- MiniCPM5-2B + LoRA 后训练
- 带泄漏检查的封闭留出集（sealed holdout）
- 约束解码与非约束解码的对比评测
- 统计显著性检验与分组 bootstrap 分析
- 实验记录、成本追踪和可复现边界
结果
在封闭留出集上（1,892 道题 / 924 组），准确率从 51.11% 提升到 80.50%（ReJev-2B）：
+29.39pp · 0% 无效输出 · 累计应用账单 $5.31
成本这块要说明白：$5.31 是 rejev 这个 Modal 应用的累计账单，包含它此前所有误 运行的开销，不是这次训练单独花的钱。各轮次的成本口径不一样，不能直接比较，也不能相加。
项目没打算宣称自己和 Jev 等价。它想做的是用受控实验把轻量决策模型的工作机制弄明白，再复现出来。关注方向：决策模型、后训练、评测、可复现性。
这个仓库实际展示了什么
- 模型理解：决策模型和生成式 LLM 到底差在哪。
- 完整的后训练流程：数据 → LoRA → 评测，而不是调一次 API。
- 实验设计：封闭留出集、泄漏控制、基线、显著性检验，还有一次“失败但有信息量”的容量探测。
- 工程纪律：成本追踪、检查点、来源锁定、可复现边界，局限照实写，不粉饰。
不做的声明
- 不声称与官方 Jev 模型等价，也不声称复现了 Tev1-4B。
- 不把上面的数字外推到分布外能力。现有证据只覆盖这类考题和同类任务。
- 不把移除受限数据源的影响归到单一变量上，那次运行里有两个因素同时变了。此前引用的
−2.33pp已于 2026-09-28 作废：它是在受污染的划分上测得的。干净留出集上修正后的读数是 +0.63pp（CI [−1.13, +2.37]）。
每份实验记录都带一节 “有效性边界”，写明测了什么、不能从中读出什么。
公开范围
仓库包含大部分实验记录，不是全部。三类路径整段排除：
exp005（与真实 Jev 的四方对比）：结论依赖第三方 checkpoint（Tev1-4B）的实测数字，而那个模型的许可还没明确。plan/007和008（权重发布计划）：内容本身就是“查了哪些内部文件、查了什么”，脱敏之后只剩空壳。src/publish/（权重发布工具链）：走 HF / ModelScope 渠道发布，依赖本次导出范围之外的文件；单元测试夹具里还有格式错误的凭据样例，脱敏会把它破坏掉。
另外，上游的数据构建流水线也没放进来：它来自 tev1 的 MIT 代码，需要单独获取。源数据集、模型权重、完整的逐题结果文件同样不在仓库里。
仓库结构
Plain Text
src/align/ 训练前对齐检查（tokenizer / 模板 / loss mask / 解析），无需 GPU
src/data/ 渲染器与封闭划分（记录 → 指令；分层划分 + 零泄漏断言）
src/train/ 训练与评测（Modal 上的 LoRA SFT、约束解码评测、汇总与统计）
tools/ 远程任务触发脚本（deploy + spawn 模式）与复现路径检查器
docs/plan/ 计划与决策记录（谁基于什么证据做了什么决定）
docs/experiments/ 每轮实验记录（配置、结果、有效性边界、复现路径、账单）
快速开始
Bash
uv sync --locked --group align --python 3.14.3
uv run --locked --group align python src/align/v1a_check.py --offline # 7 项对齐检查
训练和评测都在 Modal 上跑，需要账号和 GPU 额度。训练脚本请用 deploy + spawn，别用 modal run：后者会把本地进程绑到远程任务上，本地一中断，远程训练也跟着取消。
Bash
modal deploy src/train/clean_train.py
modal run tools/trigger_clean.py # 几秒内返回；训练完全解耦
上游与致谢
- tev1（MIT，commit
1dde778）：任务协议规范（系统指令、选项标注约定、推理参数）、状态规范化与分层划分都源自这个项目。 - MiniCPM5-2B（Apache-2.0）：基座模型及其官方 TRL LoRA SFT 配方。
链接
- GitHub：Joe-rq/ReJev
- 技术报告：technical-report.md