AudioJev：音频决策、顺序校准与发布范围
结合论文、检查点与推理库，理解候选顺序稳定性、单种子结果、数据重叠和不同许可。
AwesomeJev 整理 · 更新
简明回答：AudioJev 是独立音频决策模型，根据波形和问题给提供的候选项打分。它的顺序校准目标处理候选顺序敏感性，不能据此认定返回概率等于实际答对的概率。
依据固定 v1 摘要、公开模型卡与推理库概览整理。未下载或运行模型权重、音频或推理代码。
模型返回什么？
论文在训练中配对不同候选顺序，并按候选身份对齐分布；推理时直接对给定候选评分，不进行多顺序集成。独立推理库提供 Choice、Noul 和实验性的 Score 接口，多问题可共享一次音频编码。这仍是封闭候选集，应用需要提供合适选项，并按需明确后备选项。 AudioJev 论文 v1 · 推理库文档
与 DuplexJev 有什么区别？
DuplexJev 将 ASR 编码器状态接入冻结语言模型；AudioJev 则描述带选项顺序目标的共享全参数模型。语音论文报告不同连接器配置，以及八 GPU 节点上的计时。两者训练与服务安排不同，不能直接组成公平速度比较。有效比较应固定音频任务、候选集、批处理与硬件，并区分音频编码、问题评分和端到端延迟。 DuplexJev, v1 · AudioJev, v1
哪些结果属于发布检查点？
论文三种子均值，应与模型卡的单种子、原始顺序结果分开。模型卡还披露部分隐藏 MMAU 评测的音频来源重叠。测试答案隐藏，或固定选择最终检查点，都不能自动证明其与全部拟合、开发来源独立。 检查点与评测范围
应该怎样评测？
自己的测试应定义任务专属选项，并独立核对标签。保持音频不变，比较候选含义不变的顺序置换；按候选身份对齐概率，同时测量准确率与顺序敏感性。在留出标注样本上另测概率与实际正确率是否一致。如果下游动作取决于阈值，应同时报告接受比例与错误率。这些是建议检查，不是本项目跑出的结果。
发布了什么，适用什么许可？
代码库声明 Apache-2.0，而检查点声明独立的 Qwen Research 许可，使用前应阅读模型自己的条款。当前发布不能证明开放式生成、视觉性能或实时轮次切换的部署成熟度。硬件与部署要求见运行库文档；列出命令不代表本项目已经验证部署。 模型卡与许可声明 · 运行库与部署入口