---
title: omnijev-demo
canonical_url: "https://www.modelscope.cn/studios/goooice/omnijev-demo"
md_url: "https://www.modelscope.cn/studios/goooice/omnijev-demo.md"
repository: goooice/omnijev-demo
last_updated: 2026-09-27
sdk_type: gradio
sdk_version: 6.17.3
downloads: 0
stars: 1
---

# omnijev-demo

> omnijev-demo - goooice 在 ModelScope 创建的在线 Demo。OmniJev — 一份证据，一次编码，任意多个结构化决策

goooice/omnijev-demo 是 ModelScope 魔搭社区上的在线可交互 Demo（创空间），基于 gradio 6.17.3 构建。

- **Repository**: goooice/omnijev-demo
- **SDK**: gradio
- **SDK version**: 6.17.3
- **Downloads**: 0
- **Stars**: 1
- **Last updated**: 2026-09-27

Source: https://www.modelscope.cn/studios/goooice/omnijev-demo

---

# OmniJev — 一份证据，一次编码，任意多个结构化决策

冻结的 Jina 多模态编码器旁挂一个小型决策头（LoRA 路由换装）：同一份图 /
音 / 视 / 文本证据只编码一次（state），可反复提问——候选分布（choice）、
单一命题真值（boolean）、有序等级期望（score）三种读出。原 embedding
路由全程逐位不变（启动自检 canary）。

**动线**：① 在画廊选一个示例（或上传你自己的证据）→ ② 点「决策」 →
③ 就当前证据继续追问（状态复用，免重编码）。

**诚实边界**：中文题如实呈现（决策头仅在英文题上训练）；文本状态未参与
训练；金标命中对照只用于示例题，上传路径无参考答案。归一化熵 ≥ 0.90 时
结果卡显式标注「模型不确定」。Jev（OpenRouter）对照表全部来自实测探测
（缓存快照），未实测的格子不做断言。

**本创空间跑在免费 CPU 上**：首问含编码约数秒（视频模态明显更慢），
就当前证据追问走状态复用、明显更快——慢也是演示的一部分。

## 示例媒体署名（非商业研究演示用途）

- ScienceQA（图像 / 文本段落示例）
- ESC-50（音频示例，CC BY-NC 4.0）
- MVBench（视频示例，SSV2 片段）

示例媒体仅用于非商业研究与教育演示，版权归原数据集所有。