把资料变成考卷，做完告诉你哪里没学会
上传你自己的教材、笔记或讲义，系统自动出题；你答完，它按得分点逐条批改， 明确指出你漏掉了哪一个要点。学习内容完全由你决定，资料只存在你自己的账号里。
邀请码登录 →当前未配置模型，使用内置演示模式（可在设置里换成你自己的模型 Key）
1. 读懂你的资料
先把你上传的内容拆成知识点，再据此出题。每道题都能回到原文的某一句话， 你随时可以核对它有没有乱编。
2. 两种题分别批改
选择题、判断题对错分明，直接判；简答题按「得分点」逐条看你说到了没有， 而不是笼统给一个分数。
3. 不确定会直接告诉你
模型没把握的题目会标成「待复核」并给出分数范围，同时不计入你的掌握度， 不会用假装确定的分数误导复习方向。
技术细节：为什么不让大模型直接打个分？（给开发者）
一句话：直接打分得到的是一个无法核对的黑盒数字。这里改成把主观题拆成 「每个得分点一条类型化问题」，由决策模型（TypeSafe Jev / System One）输出概率， 再由代码按权重合成——所以分数能逐条核对，也有置信度可用于门控。
| 维度 | Jev（决策模型） | 普通 LLM 打分 |
|---|---|---|
| 输出 | 类型化概率（noul / choice / score），代码可直接用 | 文本或 JSON，需要解析，可能跑偏 |
| 不确定性 | 自带校准概率与置信度，可做门控 | 容易过度自信，置信度不可靠 |
| 速度与成本 | 百毫秒级，输入 $0.042/百万 token，输出免费 | 秒级到分钟级，输出按 token 计费 |
| 可解释性 | 不给理由——所以解释必须来自 rubric 点本身 | 能给理由，但理由不一定可信 |