候選答案數量不固定、選項次序不應改變判斷，正是 Jeva 嘗試處理的場景。它屬於開源本地決策模型，輸入狀態和 typed questions，輸出候選機率、Boolean probability 或 expected rubric score，亦能表達「沒有合適答案」。
Jeva 以共享語言編碼器獨立處理 state 和每個 option，再由 compact decision stack 只更新 state，對完整 option memory 作集合式判斷。這讓候選集合可以改變而毋須固定 label vocabulary；排序候選只會同步排列機率，不會改變語義身份。
模型權重可從 Hugging Face 載入本地推理，項目目前要求 Linux x86_64、NVIDIA GPU、CUDA 12.8 及 PyTorch 2.9.1。加速 kernel 可能在第一次請求時編譯，亦提供較慢的 reference installation；evaluation 和 fine-tuning 文件可用來延伸測試。
可重用的 option vectors、projected keys/values，以及完整 option tuples，適合候選內容反覆重組的分類、審核和評分流程。代價是硬件與 CUDA 環境要求較高，而項目提供的評估資料需要按自身任務重新核對，不能只憑模型名稱推斷效果。
- 集合式決策： 候選數量可變，無需為每套選項重建輸出層。
- Permutation symmetry： 重排候選只會重排對應機率。
- Null awareness： 分開估計答案是否存在，以及候選之間的競爭。
- 計算重用： 可快取整組選項，或重用個別 option 表示。
- 適合場景： 本地化的選擇、審核、狀態判斷和 rubric 評分工作流。