開發人員提出了一種名為jevlike的模型，適用於文本選擇任務

開發團隊發佈了 jevlike — 一種專門用於解決從給定選項集中選擇文本的任務的模型。該工具針對系統需要根據提供的上下文評估 N 個提議選項的概率的場景進行了優化。

模型架構支持使用凍結的預訓練編碼器，這使得在微調時可以保持權重的穩定性。系統只需一次傳遞即可完成計算，从而減少了請求的處理時間。在測試過程中，模型在 10 小時 的工作時間內獲得了 75 分，展示了其在文本分類和排名任務中的高效性。

工具支持以 JSONL 格式使用用戶定義的數據。開發人員還考慮了在合成數據集和專門的語料庫（如 Wikispeedia）上進行訓練的可能性。这使得模型成為需要準確匹配上下文和答案選項的任務的靈活解決方案。

jevlike 的發佈為開發人員提供了一個可用的管道，以便將其集成到需要在多個替代方案中快速做出決策的系統中。使用預訓練組件可以使模型以最小的計算成本適應特定的域任務。