Jevを25行のPythonで実装
원제: Jev in 25 Lines of Python
왜 중요한가
LLMの確率出力を直接利用した軽量分類手法が、ローカル実行・ゼロデータ送信で成立することを示した点は、プライバシー重視の企業用途で注目に値する。
AI開発ツールNobodyWhoのブログが2026年9月22日、注目を集めるLLM技術「Jev」をPython25行で再現するパロディ記事を公開した。Qwen3-0.6B-GGUFモデルとllama-cpp-pythonを使い、メール分類タスクをローカル環境で動作させ、Phishingの確率0.885を出力した。
NobodyWhoのDuarte O.Carmoが公開した本記事は、業界で話題の「Jev」を大げさに取り上げるSNSの風潮に対するパロディとして書かれている。
Jevとは、LLMにプロンプトと選択肢を与え、各選択肢のトークンlogitsを確率に変換する分類手法。記事ではQwen/Qwen3-0.6B-GGUFをHugging Faceからロードし、「Legitimate / Spam / Phishing」の3択でメール分類を実行する25行のスクリプトを提示した。
実装の流れはシンプルだ。モデルにプロンプトを評価させ、最終トークンのlogitsから各ラベルのトークンIDに対応するスコアを抽出。numpy.logaddexp.reduceで正規化し確率を算出する。サンプル入力「Payroll asks for your password on a non-company sign-in page.」に対してPhishing確率0.885、Spam 0.084、Legitimate 0.031という結果を得た。
記事は「APIを呼ばない、合成データを作らない、RLCDで学習しない、それでもこれはJevだ」と主張。ローカル実行によるデータ非送信を利点として挙げている。なお記事末尾では、より完全なオープン実装としてOpenJev、openjev-sglang、DiffusionGemma上のOpenJevへのリンクも案内している。NobodyWhoのコードはすべてオープンソースで公開中。