知识库收录材料 · 原始文件 ↗ · 来源、版本与许可

本板块全部文档（60 份）

NanoJev — A nano replica of JevREADME.en.md
NanoJev — A nano replica of JevREADME.md
NanoJev — A nano replica of JevREADME.zh-CN.md
APPO Basic versus JevAPPO_BASIC_RESULTS.md
APPO expert action supervisionAPPO_SUPERVISION.md
Atomic maze judgments and code planningATOMIC_PLANNING.md
Development results: fixed maze and Snake pilotDEVELOPMENT_RESULTS.md
Fable implementation assistance and code reviewFABLE_REVIEW.md
Game checkpoints, datasets, and reproductionGAME_RELEASE.md
Model-guided edge exploration: measured resultsMODEL_EDGE_RESULTS.md
Predict Position: one rocket, three policiesPREDICT_POSITION_DEMO.md
RLCD-inspired probability learning: specification and measured controlsRLCD_EXPERIMENT.md
Scaled maze and Snake pipelineSCALED_GAMES.md
Development shooting replaySHOOTING_DEMO.md
Unified supervised training with Predict Position expertsSONIC_PREDICT_POSITION.md
Mixed expert SFT: completed game evaluationSONIC_PREDICT_POSITION_RESULTS.md
TypeSafe question contract and NanoJev encodingTYPESAFE_CONTRACT.md
Unified game releaseUNIFIED_DEVELOPMENT_RELEASE.md
One checkpoint for Maze, Snake, and ViZDoomUNIFIED_GAMES.md
Unified Maze, Snake, and ViZDoom: first policy iterationUNIFIED_RESULTS.md
Multi-step TD for the unified game modelUNIFIED_TD.md
Unified MC versus multi-step TD: completed resultsUNIFIED_TD_RESULTS.md
OpenJev 算法与架构实现审计algorithm_architecture_audit_zh.md
OpenJev：与 Fable 的两轮算法讨论及最终复核algorithm_fable_decisions_zh.md
OpenJev 训练执行契约：目标、损失、批处理与可推翻的默认选择algorithm_training_contract_zh.md
Jev 核心特征 → RLCD 与并行结构 → OpenJev 技术重点core_features_rlcd_zh.md
Jev 条件概率分布探针distribution_probe_summary_zh.md
可精确求解的游戏决策数据game_dataset_zh.md
游戏演示与下一阶段训练：真实 Fable 讨论及独立复核game_fable_review_zh.md
OpenJev：可执行的模型、训练与基准方案implementation_plan_zh.md
Jev 公开资料核验（中文）jev_public_sources_zh.md
Jevlike 源码审查jevlike_repo_audit_zh.md
NanoJev 三方闭环对照与 README 视频协议nanojev_comparison_protocol_zh.md
NanoJev、Jev 与原始 Qwen：冻结闭环对照nanojev_comparison_zh.md
NanoJev success showcasenanojev_showcase.md
导航失败：Fable 短审查与 V3 可执行决定navigation_failure_fable_zh.md
原始 Qwen3-0.6B 原生词表强基线navigation_v3_native_qwen_zh.md
V3 导航 2×2 与教师对照：固定协议navigation_v3_protocol_zh.md
V3 旧非导航任务回归navigation_v3_regression_zh.md
Navigation V3 固定实验报告navigation_v3_report_zh.md
V3 导航输入边界：独立源码补审查navigation_v3_source_audit_zh.md
TheoLeeCJ/openjev 固定版本源码审计openjev_repo_audit_zh.md
工作流数据、概率指标与游戏回放独立审查pipeline_rollout_audit_zh.md
NanoJev pipeline: data, training, evaluation, and servingpipeline_runbook.md
从查询到可运行学生：执行手册pipeline_runbook_zh.md
第二轮实验：训练前固定的协议pipeline_v2_protocol_zh.md
Pipeline v2 冻结评估报告pipeline_v2_report_zh.md
新增证据：Jev 的 Choice 与 Noul 在同一概率问题上不同probability_semantics_zh.md
OpenJev：初始化选择与训练查询分布query_distribution_zh.md
真实 PyTorch Qwen3 共享前缀树数值检查qwen_tree_check_zh.md
NanoJev 发布范围与复现边界release_scope_zh.md
OpenJev 复现方案与本轮验证replication_plan_zh.md
RLCD 公开技术讨论增量核查rlcd_public_discussion_zh.md
RLCD：公开证据、可推导机制与训练前验证设计rlcd_theory_zh.md
冻结学生模型的追加解析概率诊断student_distribution_probe_brief_zh.md
OpenJev toy：已经运行的完整实验toy_experiment_report_zh.md
Toy 教师标签与舍入筛选审计toy_teacher_audit_zh.md
训练后结构检查与 GPU 延迟trained_invariance_timing_zh.md
OpenJev：小模型、数据与训练设计training_design_zh.md
OpenJev 阅读页实际浏览器验收web_reader_review_zh.md

NanoJev — A nano replica of Jev

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。

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

更新内容

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。

三个模型，并排回放

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。

ViZDoom Basic · 瞄准，再开火

NanoJev 调整位置后一枪消灭目标，Jev 和未微调 Qwen 未能消灭目标，三组按同一游戏时钟并排播放（见原始材料）

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。

找到出口 · 50×50 Maze

Jev、当前 NanoJev 与未微调 Qwen 在网页三栏播放器中探索同一张 50×50 迷宫（见原始材料）

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

核心能力

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。

完整测试结果

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：

模型	Maze	Snake	Basic	Predict Position
NanoJev	4/10	8/8	128/128	27/128
Jev	7/10	8/8	56/128	11/128
未微调 Qwen3-0.6B	2/10	0/8	56/128	11/128

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

数据规模与模型

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。

任务	五个分区合计	训练分区
ViZDoom Predict Position	11,173	6,788
ViZDoom Basic	5,160	3,054
Maze	1,469	653
Snake	958	403
每种版本合计	18,760	10,898

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。

发布版本与训练实验

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。

名称	含义	使用场景
`unified-games-v1`	Hugging Face 发布标签，固定对应的模型与数据快照。	下载时填写 `revision="unified-games-v1"`。
`hard_lr1e5`	训练实验名：Predict Position 使用 one-hot 硬动作目标，backbone 学习率为 `1e-5`，决策头学习率为 `1e-4`。	查看训练配置、日志与实验对比。

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。

快速开始

bash

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：

python

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：

bash

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：

bash

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。

开发文档

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

路线图

[x] 一个统一 checkpoint 支持 Maze、Snake 和两款射击任务。
[x] 50×50 迷宫、长局 Snake 与三模型同步网页回放。
[x] 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。

快照未包含部分工程附件或配图；请通过上游链接或原始材料查看，收录范围见来源清单。