Jevを25行のPythonで実装
मूल शीर्षक: Jev in 25 Lines of Python
यह क्यों महत्वपूर्ण है
Jevのような新興手法が複雑に語られる中、ローカルLLMだけで同等の分類が実現できることを具体的コードで示した点は開発者コミュニティへの実用的な参照になる。
NobodyWhoのDuarte O.Carmoが、注目のAI手法「Jev」をわずか25行のPythonコードで再現するブログ記事を公開。llama-cpp-pythonとQwen3-0.6B-GGUFモデルを使い、ローカルでメール分類を実現した。
NobodyWhoのブログにて、Duarte O.Carmoによるパロディ技術記事が公開された。内容は、AIコミュニティで話題の手法「Jev」を25行のPythonコードで実装するというもの。
コードの構成はシンプルだ。まずHugging FaceからQwen3-0.6Bモデル（GGUF形式）をロードし、メール分類のプロンプトを定義する。次に、モデルのlogitsから各選択肢（Legitimate、Spam、Phishing）に対応するトークンの値を取り出し、softmaxの対数版を使って確率へ変換する。サンプルの入力は「給与担当部門が会社外のページでパスワードを要求している」メールで、出力確率はPhishing: 88.5%、Spam: 8.4%、Legitimate: 3.1%と正しく分類された。
記事はJevに対して懐疑的なトーンを取っており、「System One意思決定モデル」などの大げさな呼称、強化学習（RLCD）によるキャリブレーション、APIコール、合成データ生成は一切不要だと主張する。ローカル実行によりデータを外部に送信せずに済む点を強調している。
なお、記事末尾では「これはパロディ投稿」と明記し、より完全な実装としてOpenJev、openjev-sglang、DiffusionGemma上のOpenJevへのリンクを案内している。NobodyWho自体はオープンソースプロジェクトで、GitHubでのスターを呼びかけている。