Kev-0.6B (Qwen3)
上一代（Qwen3）。 作為 Apple Silicon 上快速的小選項保留（每個五問題請求 0.12 s，而 Kev-0.8B 為 0.33 s）。要準確率請用 Kev-0.8B：在鎖定測試上，同一批條目它域外得 0.668，而本模型得 0.642。權重：
jaredpalmer/kev-0.6b。
Kev-0.6B 是一個決策模型：一份文件（狀態）和一組帶型別的問題進去，每個問題一個機率分佈出來，全在一次前向傳播裡完成。不生成文本。它是 Qwen/Qwen3-0.6B-Base 上的 LoRA 介面卡（r=16）加一個指標頭，服務 TypeSafe 公開的 /v1/systemone 契約。
Kev 家族裡的小成員。 它是在一套凍結、帶校驗和的評測協議下最好的 0.6B checkpoint：用 4B/8B 配方的資料（decision-v7）在 lr 1e-4 下、三個 seed（transfer 0.613 / 0.605 / 0.620），此前八次單旋鈕變體和三個 seed 的上一版資料都沒找到比 0.61 更好的。域外它就是個 0.6B 模型 —— 要準確率請用 Kev-4B；當記憶體或延遲排除了 4B 時用它，並在你自己的資料上測量。
- Hub：
jaredpalmer/kev-0.6b（本倉庫；試驗v7-06b/02-trial-2，3 個 seed 中的 seed 2） - 程式碼、套件、結果和完整研究日誌：github.com/jaredpalmer/kev —— 見
PLAN.md（完整記錄在 git tagresearch-archive-2026-09-24）、runs/leaderboard.md和evals/v4/*/manifest.json
自 Kev-0.5B 以來的變化
| Kev-0.5B | Kev-0.6B（本模型） | |
|---|---|---|
| 主幹 | Qwen2.5-0.5B | Qwen3-0.6B-Base |
| 訓練記錄 | 9,000（六個來源） | 12,576（十個公開來源 + 896 條策略最小對 + 1,680 條來自 60 個隨機規則結構的記錄） |
| none-of-the-above | 僅增強修復 | + 最小對：同一個 state 渲染兩種版本，真選項在場與移除 |
| 分佈內準確率（decision-v4 dev） | 0.712 | 0.801 |
| 域外準確率（transfer-v4 dev） | 0.561 | 0.620 |
| none 選項在場時的準確率 | 0.25（transfer-v1） | 0.80 |
| 數字背後的 seed 數 | 1 | 3（transfer 0.605–0.620） |
Jev（typesafe-ai/jev，經 Vercel AI Gateway）在同一批凍結開發集上：分佈內 0.845，域外 0.857。本 checkpoint 的逐來源遷移準確率：QNLI 0.85、SciQ 0.93、TweetEval-offensive 0.69、PAWS 0.59、Emotion 0.49、MMLU 0.50；留出策略結構接近隨機。
已知侷限
- 域外它就是個 0.6B 模型。 在我們試過的每個超參數下遷移準確率都平在約 0.60（八次單旋鈕變體、三個 seed）。同一配方在 4B 達到 0.72–0.75，在 8B 達到 0.74–0.77；在這個規模上瓶頸是容量，不是資料。
- 留出策略推理失敗：在規則結構從未訓練過的程式化策略對上，兩兄弟都答對的比例是 6–11%（Kev-4B 0.73，Jev 0.86）。
- 序數對沖：在帶日期算術的 3 檔 Score 問題上，它會塌到中間檔。
- 域外自信錯誤率為 11%（置信度 ≥0.9 且答錯）；分佈內原始 ECE 0.09，域外 0.15。機率在分佈內可用；在其他地方當作參考。
- 鎖定測試，只讀一次（
runs/locked/kev-06b-v7-ungated/）：分佈內準確率 0.808（Brier 0.266，ECE 0.089），域外 0.642（Brier 0.483，ECE 0.128，自信錯誤 7.9%）。這個劃分不會再為本 checkpoint 讀取。
架構
只做 prefill 的因果 LM，帶塊因果注意力掩碼：一個共享的 state 字首，每個問題一條隔離分支，並在選項邊界 token 上做指標讀出。打包進一個請求的問題得到的機率與單獨詢問完全一致（實測最大差 4e-6）。細節見倉庫 README。
訓練
凍結套件 evals/v7/decision-v7（manifest 釘住資料集與基座模型 revision）：10,000 條公開記錄（每來源 1,000），896 條覆蓋九個模板家族的策略最小對記錄，以及 1,680 條來自 60 個隨機生成規則結構的記錄，兩個 epoch，LoRA r=16 作用於注意力與 MLP 投影，lr 1e-4，指標頭從頭訓練，在選項分佈上做交叉熵，bf16 autocast 配 fp32 主權重，在一張 H100 上約 12 分鐘。增強：選項置換、none-of-the-above 插入、干擾項，以及對 25% 的 Choice 記錄做 none 最小對。訓練沒有使用任何 Jev 輸出。
評測協議
開發劃分用於選模型；存在一個鎖定的測試劃分，每個晉升候選最多讀一次。上面每個數字都在 result.json 裡帶著套件 hash、程式碼 hash 和 git commit。比較使用按記錄聚類的配對 bootstrap。我們對自己更早主張的更正見 git tag research-archive-2026-09-24 上的 PLAN.md（「Evidence and corrections」）。
使用
from typesafe import TypeSafeClient # any TypeSafe-compatible client
client = TypeSafeClient(api_key="local", base_url="http://127.0.0.1:8008", model="kev-latest")在倉庫裡用 uv run --extra serve python -m kev.serve --run jaredpalmer/kev-0.6b --port 8008 服務。
許可證
介面卡與指標頭為 Apache-2.0。基座模型為 Apache-2.0（Qwen3）。訓練資料集各有自己的許可證。