README 自动摘要
根据 README 自动整理于 2026年9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
探索 TypeSafe 预训练 Jev 模型的零样本邮件分类，在 main、fresh 和 recent phishing 数据集上将 ham/spam/phishing 判断与 TF-IDF 逻辑回归基线进行对比。
它怎么用 Jev
Jev 回答一个 Choice 问题，从三类（正常邮件、垃圾邮件、钓鱼邮件）中选择一类；返回的标签和概率分布由代码直接使用。增强状态加入 Reply-To、链接目标和附件元数据。
用到的原语:choice
值得抄的做法
在问题和类别定义不变的前提下，保留相关邮件上下文（链接目标、Reply-To、附件元数据）。
怎么试
使用 API key 运行 experiments/jev-context/evaluate.py；详见 REPORT.md。
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0.89
- 展示了 System One 用法片段中未检出0.17
- 写了怎么处理不确定片段中未检出0.06
- 给出了实测数字在材料中检出0.94
- 是能跑起来的工具片段中未检出0.19
- 学习案例 Top 10 候选信号未判定0.56
- 是模型本身的复刻片段中未检出0.06
- 解决的问题够普遍（0–2）按 0–2 打分1.90 / 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9月20日 读 README 写成。