README 自动摘要
根据 README 自动整理于 2026年10月20日，不是本站运行记录。运行步骤和作者声称的效果仍需核验。
这是什么
一个可复现的基准测试，在同一个安全决策上比较 Jev（TypeSafe AI 的 System One 模型）与 Claude Haiku 4.5：邮件代理是否应点击邮件中的链接？在 2,000 封 PhishNChips v5.2 邮件上测量准确率、校准、延迟与成本。
它怎么用 Jev
每封邮件作为 JSON state 与九个类型化问题在一次请求中发送：一个 verdict Choice、一个镜像 Noul、五个信号 Noul（域名不匹配、免费托管、诱饵、紧迫性、通用发件人）以及两个替代 verdict 措辞。返回的概率与 LLM 对比，并用于规则和回归基线。
用到的原语:choicenoul
值得抄的做法
在一次调用中询问所有 verdict 措辞与信号问题，从而在无事后选择的情况下测量措辞敏感性。
怎么试
cp .env.example .env 填入密钥，然后运行 uv run prepare_data.py 和 uv run run_jev.py --limit 10。
README 片段的模型判断
项目信号使用仓库元信息、已有摘要与 README 前 700 个字符；没有通读完整项目。“未检出”仅表示这些材料中未检出，并不证明项目没有该能力。这里保留原始判断与实际记录的模型、日期，不是源码审计或运行验收。
模型与判定日期
- 收录门禁
jev-1.13.0- 项目信号
jev-1.13.0- 项目分类
jev-1.13.0- 模式标签
jev-1.13.0
证据
这些信号只读取仓库元信息、已有摘要与清理后的 README 前 700 字符。≥ 0.60 表示片段中有提及，≤ 0.40 表示未检出，中间为未判定；都不是源码审查或运行结果。「可运行工具」题排除了研究实验，「推荐」题筛的是学习案例 Top 10，不是内容质量合格与否。
- Jev 是项目的核心在材料中检出0.63
- 展示了 System One 用法片段中未检出0.19
- 写了怎么处理不确定片段中未检出0.10
- 给出了实测数字片段中未检出0.27
- 是能跑起来的工具片段中未检出0.06
- 学习案例 Top 10 候选信号片段中未检出0.30
- 是模型本身的复刻片段中未检出0.09
- 解决的问题够普遍（0–2）按 0–2 打分1.72 / 2
- 与 Jev 相关在材料中检出0.98
无判定区（0.40–0.60）
无判定区（0.40–0.60）
各阶段的 Jev 模型与判定日期见上方记录。简介由 DeepSeek V4.1 Flash 于 2026年10月20日 读 README 写成。