结构化决策：按主题

类型化决策协议

• TypeSafe Jev：Choice、Score、Noul 三类问题共享状态输入，返回机器可直接消费的概率化结果。

动态候选分类

• GLiClass：候选标签在运行时提供，文本与候选发生显式交互后统一归一化。
• Bespoke Nimble：在 Qwen3.5-9B 上训练 typed-schema logits，公开 checkpoint、数据与配方。
• NanoJev：在 Qwen3-0.6B 上训练 Choice、Boolean、Score 决策头。
• Laya：训练类型化决策模型，并公开温度校准路径。

并行约束解码与服务

• SemIf：一次 shared-state prefill 后读取候选 logits，是工程路线而非训练式 Jev 复现。
• openjev-sglang：以 SGLang 验证并行约束解码的 GPU serving。
• 其余轻量 wrapper 见社区实现全量快照。

扩散语言模型决策

• DiffusionGemma / vLLM 等路线：探索非自回归并行决策，必须与训练 decision-head 路线分别评测。

概率校准与置信度

• RLCR：将 proper scoring rule 纳入训练奖励，抑制无差别过度自信。
• Calibration-Aware RL：直接优化决策概率校准，并隔离 validation 与 test。

选择性预测与拒答

• 当前统一协议已经报告 coverage 与 selective accuracy，但尚缺公开、多难度、可比较的 abstention benchmark；列为 P1 缺口。
• jev-ood-calibration 是后续 OOD 与 coverage-risk 对照候选。

结构化评分、路由与风控

• Score 与 Noul 已进入 typed contract 和本地 provider；下一步需要增加有序评分、布尔风险决策和成本敏感路由的公共数据协议。