跳转至

Read this paper write-up in English

LLM2Jev: LLMs Are Already Jev-Style Decision Models -- When and How to Fine-Tune Them

复现级别：L1 核心机制诊断。 执行候选联合打分和 KL 锚定；未加载 4B checkpoint 或跑 JevBench。

论文信息

字段 内容
论文链接 arXiv v1
公司/机构 Microsoft（按作者邮箱）（按第一作者署名单位）
首次公开日期 2026-10-01（arXiv v1）
原文开源代码 否：截至 2026-10-03 未找到原作者公开实现
Adapter llm2jev
本地复现代码 src/auto_research/foundation_latest_20261003.py

原始论文总结

背景与主要改动

直接从括号数字选项的 next-token 概率形成有限类别分布；微调时使用 listwise 决策损失，并以 KL 锚定基础模型辅助输出。

flowchart LR
  I[输入与当前状态] --> M[llm2jev 核心机制]
  M --> A[可审计中间量]
  A --> O[输出或状态更新]

原论文关键图

LLM2Jev: LLMs Are Already Jev-Style Decision Models -- When and How to Fine-Tune Them 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文的训练流程与关键优化环节。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\(p(o)\propto\exp\sum_t\log p([o]_t)\)，\(L=L_{list}+\lambda KL(p_{base}\|p_{aux})\)。

论文离线与线上效果

Qwen3.5-4B 无训练即可匹配同骨干社区 Jev 模型，微调收益主要集中在弱项。

本地复现

本地对照口径：基线为机制关闭或默认状态，实验组执行定义性算子；L1 不报告正式相对提升，百分比不适用。

复现边界

执行候选联合打分和 KL 锚定；未加载 4B checkpoint 或跑 JevBench。