简体中文 | English

一个 0.6B 并行决策模型：输入状态与问题，直接得到完整概率分布，无需生成答案 token。

新论文：System1-Arena: Which Decisions Can Be Left to System 1? — 目前最全面的 Jev 类模型基准：近 10 万道题目，涵盖分类任务与智能体（agentic）任务。排行榜 · 代码 · 数据集

新项目：JevHarness — 让 LLM 围绕 Jev 编写面向具体任务的决策程序，并可利用奖励与执行轨迹进一步优化。附有可交互的 Pokémon 演示。

体验 ViZDoom · Maze 与 Snake · 模型 · 数据集

现在支持 ViZDoom： 同一个 checkpoint 完成 Basic 的瞄准射击、Predict Position 的移动目标火箭射击，同时支持 Maze 和 Snake。

4 项任务 · 每种数据版本 18,760 条决策问题 · 896 局 Predict Position 专家轨迹

2026 年 9 月 20 日：一个模型，四款游戏。

• ViZDoom Basic： 测试成功 128/128，对比 Jev 的 56/128。
• ViZDoom Predict Position： 测试成功数从本轮训练前的 11/128 提升至 27/128；同条件 Jev 为 11/128。策略学习何时转向、等待并向移动目标发射火箭。
• 16,333 条 ViZDoom 问题： 每种目标版本共 18,760 条混合任务问题，覆盖 train、dev、calibration、test 和 OOD 五个分区。
• 一个模型，四款游戏： 同一个 step-400 checkpoint 用 225 次行动完成 50×50 迷宫，并在完整存活 256 步的 Snake 对局中吃到 30 个食物。

Jev、NanoJev 和未微调 Qwen 的真实网页回放。下方动图自动循环，点击即可进入交互播放器。四款演示使用同一个当前 NanoJev checkpoint。交互开发站目前需要访问权限；也可按下方命令在本地播放所有录制案例。

移动到位，对准目标，再开火。NanoJev 在 1.40 秒内一枪消灭目标；Jev 和未微调 Qwen 各开 19 枪，直到时限结束仍未消灭目标。三栏按同一游戏时钟同步播放，展示原始画面与动作概率。

NanoJev 用 225 次行动到达出口，Jev 用 2,738 次，未微调 Qwen 用 4,726 次。三组都通过局部安全概率驱动相同探索代码，并记住已经走通的路径。

打开 Snake · 打开 Predict Position

• 并行决策： 将独立状态、问题和候选路径放入同一次 backbone 前向计算。
• 动态候选： Choice 通过共享评分头，返回所提供的 2–255 个候选的完整分布。
• 布尔与等级问题： 输出一个命题成立的概率，或 2–10 个有序等级的分布及期望。
• 直接输出概率： 可用于排序、贪心选择或采样，无需生成答案 token。
• 轻量统一底座： Qwen3-0.6B 加决策头，支持四款游戏及持久推理服务。

每个请求包含状态、问题和候选集合。模型编码候选路径，再由共享决策头输出概率。Choice 使用集合注意力与 softmax，Boolean 使用 sigmoid，Score 返回等级的概率加权期望。

以下为 274 个测试案例的成功数。各系统使用相同观察接口、候选动作和固定随机种子的 epsilon-greedy 控制器：

测试与 OOD 合计为每个模型 548 个案例，全部评测轨迹均通过独立模拟器重放。上方大规模导航演示使用页面标明的局部问题与代码规划设置。

完整测试及 OOD 结果 · 训练流程

每种目标版本包含 18,760 条决策问题，其中 16,333 条来自 ViZDoom。 hard-target 与 soft-target 两种版本覆盖相同问题，均划分为 train、dev、calibration、test 和 OOD 五个分区。

专家游戏轨迹： 数据包包含 896 局 Predict Position、17,498 个决策步骤，其中 512 局分配给训练。还包括原始混合任务输入、hard/soft 目标、评测轨迹和重放检查记录。

训练分区保存的 10,898 条问题中，10,893 条通过目标有效性检查。原有 Maze、Snake 和 Basic 分区保持一致。

unified-games-v1 打包的是 hard_lr1e5 训练实验的第 400 步 checkpoint。 两个名称对应同一份选定模型，四款演示均使用该模型。

共享模型使用完整问题交叉熵训练。每次更新按 1/3、1/3、1/6、1/6 的权重混合 Maze、Snake、Basic 和 Predict Position。

Hugging Face 发布完成： 模型与完整数据均已上传并通过校验，版本为 unified-games-v1。两个发布标签均固定到对应快照，所有上传文件均通过远端内容校验。

模型与数据集均为公开版本，无需登录即可下载。

git clone https://github.com/TianyuCodings/NanoJev.git
cd NanoJev
python -m pip install -r requirements-toy.txt huggingface_hub

下载当前 checkpoint 与数据：

from huggingface_hub import snapshot_download

snapshot_download(
    repo_id="C-Tianyu/NanoJev",
    revision="unified-games-v1",
    local_dir="checkpoints/NanoJev-unified",
    allow_patterns=["best.safetensors", "config.json", "tokenizer/*", "backbone_config/*"],
)
snapshot_download(
    repo_id="C-Tianyu/NanoJev-Data",
    repo_type="dataset",
    revision="unified-games-v1",
    local_dir="data/NanoJev-unified",
)

在 CUDA 环境启动推理服务：

python scripts/serve_decisions.py \
  --checkpoint-dir checkpoints/NanoJev-unified \
  --web-root web --port 8765 --disable-native-triton

模型只加载一次。向 POST http://127.0.0.1:8765/api/evaluate 发送状态与问题批次即可调用。

本地体验真实游戏回放：

python3 -m http.server 8080 --bind 127.0.0.1 --directory web

打开 http://127.0.0.1:8080/dev/?autoplay=1 体验 ViZDoom Basic，或打开 http://127.0.0.1:8080/dev/side-by-side.html?autoplay=1#maze 体验迷宫。

发布内容与复现方法 · 输入契约 · 统一环境 · 原子判断与规划 · Predict Position 回放 · 射击回放

• 一个统一 checkpoint 支持 Maze、Snake 和两款射击任务。
• 50×50 迷宫、长局 Snake 与三模型同步网页回放。
• 混合任务 SFT、可复现的数据划分与独立重放评测。
• 面向更多长程任务的 RLCD 后训练。
• 共享前缀推理与更大的候选批次。
• 更多射击场景与结构化输入支持。