模型读完你的问题，心里其实已经有答案了。让它把这个答案"写"出来，是拿到答案最绕也最贵的一条路。 minojev 直接从模型的隐藏状态里读出答案，变成一组你事先选好的选项上的概率。
三步搞定，没有生成循环，也不用写解析器。
每个候选拼成一条输入：状态 + 问题 + 这个候选。同一个状态下的所有问题共用前缀。
所有候选一起送进模型跑一遍，决策头只读取隐藏状态，全程不生成任何 token。
选择、判断、打分三类问题都返回概率分布；用验证集拟合的温度让置信度保持真实。
冻结骨干、把每条候选路径特征缓存一次，然后只训练决策头。骨干不发生漂移、没有灾难性遗忘， 只需笔记本上几十分钟，就得到一个可校准的决策层。
它不只是一个演示，这些是它的底气。
547k 参数的模型和字节分词器，在笔记本 CPU 上几分钟就能训完：不用下载模型、不用 API key、不用 GPU。
数据集、参考分布、逐题预测、指标、回放数据，全部随仓库一起提交。
温度在验证集上拟合并写进模型文件，校准前后的误差（ECE）都公开。
既可以自己从零训练决策头，也可以跳过训练，直接读取 Hugging Face 预训练模型的原生 logits。
同一个状态下的多个问题一次算完；每个状态只预填充一次缓存，后面都是便宜的支线计算。
模型、训练、校准、演示全部加起来，一个下午就能读完。文档中英双语。
都只是回放已提交的结果包——不需要任何后端模型。
每一步都能看到走法概率、四道并行的安全判断，以及代码把关后真正走出的那一步。训练只花了几分钟。
边吃食物边避开自己的身体：走法选择、四道安全判断、距离评分，每一步只需一次前向传播。
同一个状态下的多个问题——选择、判断、打分——一次全部算完，并叠上参考分布做对照。
客服工单、内容审核、代码评审、退款政策、分诊、线索评分——后训练模型一次前向全部给出。
一个状态、三个带类型的问题、一次前向传播——看分布如何通过代码阈值变成确定性的动作。
拖动置信度阈值，实时查看覆盖率、准确率与可靠性图，感受"可用的置信度"。
旗舰模型：Qwen3-1.7B 头训练；迷宫、贪吃蛇与控制台 Demo 使用从零训练的紧凑模型。运行 scripts/build_results.sh 可完整复现。
minojev synth --out data/train.jsonl --count 512 --seed 17 --split train minojev train --train data/train.jsonl --dev data/dev.jsonl \ --output-dir runs/synth --steps 800 --calibrate gold --device cpu minojev score --checkpoint runs/synth/checkpoint \ --input examples/decisions.jsonl --output results.jsonl --mode reuse