Jev-style 决策模型中文入门实战：从候选打分头到推箱子与页面按钮选择，包含训练代码、交互演示和真实评测。
给定当前状态和几个可选动作，训练模型为候选打分，再执行选中的动作。你可以先在 CPU 上试玩随附的推箱子策略，再动手训练自己的决策模型。
教程保留训练前后的对照、失败案例和能力边界；采用 Jev-style 候选打分思路，未复现 TypeSafe Jev 的专有训练方法。
需要 Python 3.11+、Git。所有命令在仓库根目录执行；不需要激活虚拟环境或安装本项目为 Python 包。
Windows PowerShell：
git clone https://github.com/adenzhou1350/jev-decision-teaching.git
cd jev-decision-teaching
python -m venv .venv
.\.venv\Scripts\python.exe -m pip install -r requirements.txt
.\.venv\Scripts\python.exe -m jev_teachingLinux / macOS：
git clone https://github.com/adenzhou1350/jev-decision-teaching.git
cd jev-decision-teaching
python3 -m venv .venv
.venv/bin/python -m pip install -r requirements.txt
.venv/bin/python -m jev_teaching打开 本地演示，选择一个关卡，比较训练前后，点击单步或自动运行，也可以用方向键接管。推箱子策略在 CPU 上运行，每一步均调用真实模型。
遇到安装问题，见 安装与运行指南。本项目已在原生 Windows 上实测，Linux/macOS 的上述入口尚未逐平台验证。
页面按钮课程需要另外下载 Qwen 底座，再训练自己的 head、导出并启动个人演示目录。随附页面 head 有底座文件指纹，但公开记录没有对应的 Hugging Face revision；不能假定默认下载的快照与它匹配。上面的 CPU 推箱子试玩不受这个要求影响。
| 你想做什么 | 从这里开始 | 需要什么 |
|---|---|---|
| 读懂最小候选打分与训练 | 第一课：文本决策头 | Qwen3.5-0.8B 本地快照 |
| 从零训练能玩完整局的模型 | 第二课：推箱子 | PyTorch；无需语言模型 |
| 让语言模型选择页面按钮 | 第三课：浏览器按钮 | 模型依赖与 Qwen 本地快照 |
| 重训、调用服务或排查报错 | 安装与运行指南 | 按所选课程安装 |
| 核对报告与失败案例 | 实验记录 / 证据目录 | 报告可直接阅读 |
推箱子使用 360,097 参数的棋盘 CNN，从零训练；页面按钮冻结 Qwen3.5-0.8B，只训练 1,024 参数的共享头。两课使用同样的“状态＋候选 → 打分 → 执行”接口，但不是同一个模型。
以下为一次固定种子的教学实验，全部失败均保留。游戏测闭环通关率，按钮测单步完成率。
| 场景 | 随机初始化 | 简单基线 | 训练后 |
|---|---|---|---|
| 单箱：32 个未见布局、128 个起点 | 2/128 | 随机合法动作 28/128 | 122/128 · 95.3% |
| 双箱：12 个布局、48 个起点 | 0/48 | 随机合法动作 4/48 | 25/48 · 52.1% |
| 页面按钮：48 条留出表达 | 11/48 | 词面匹配 24/48 | 34/48 · 70.8% |
| 页面按钮：24 条否定/引用挑战 | 6/24 | 词面匹配 13/24 | 18/24 · 75.0% |
同一布局的多个起点有关联；双箱表现已显示分布变化会明显降低成功率。浏览器使用六种合成本地页面的文字，没有截图理解或跨站多步导航；随机头也不代表原始 Qwen 的生成能力。完整基线、误触发、计时范围见 实验记录。
jev_teaching/ 训练、评测、服务代码；web/ 是演示页面
docs/ 三节课、安装指南、实验记录与截图
tests/ 自动化测试
artifacts/ 随附策略、报告与复核证据，不含 Qwen 底座
runs/ 你自己的训练结果（运行后生成，不入库）
代码入口统一为 python -m jev_teaching；具体工具用 python -m jev_teaching.<工具名>。旧版根目录脚本已移入包中，更新仓库后请使用文档中的新命令。
本项目采用 MIT 许可证。欢迎学习、修改、分发和商用；分发时请保留版权及许可声明。项目按现状提供，不附带担保。
除另有说明外，许可覆盖本项目原创代码、教程、合成教学数据和随附的自训演示权重（棋盘策略与决策头）。Qwen 等上游模型及第三方依赖仍遵循各自许可证；本仓库不分发 Qwen 底座权重。