2️⃣ Kev-0.5B

目前看到比较完整的开源 Jev-like 研究实现之一

它不是简单读取 next-token logits，而是：
shared state
→ isolated parallel question branches
→ learned pointer readout
→ probability distribution
一次 prefill 同时处理多个互不泄漏的判断，不做 autoregressive decoding

同时提供训练、校准、TypeSafe API 兼容和 frozen evaluation

Kev 的结果也很值得看：在接近训练分布的任务上，它与 Jev 已经比较接近；但进入明显 OOD 数据后，差距迅速拉大。
这说明目前开源项目已经比较容易复现：System-One 的接口和计算结构。
真正难复现的仍然是：训练数据、泛化能力、概率校准和对候选顺序等偏差的鲁棒性

https://t.co/ZLl81xqkhs