README 自动摘要
根据 README 自动整理于 2026年10月3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
在五个数据集上，比较训练好的 scikit-learn 分类器和微调后的 ModernBERT 与零样本模型（包括 TypeSafe 的 JEV、OpenAI 模型和 BART-MNLI），所有模型都在相同的测试行上评分。
它怎么用 Jev
JEV 被用作零样本分类器：它通过自己的 instructions、criteria 和 state 字段接收问题、选项和行数据，并返回标签和概率。其预测结果与其他模型一起评分。
用到的原语:choice
值得抄的做法
零样本模型使用三种提示变体（list、short、structured）进行提示，得分取平均值。
怎么试
uv run python compare.py
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 是项目的核心片段中未检出0.18
- 展示了 System One 用法片段中未检出0.12
- 写了怎么处理不确定片段中未检出0.03
- 给出了实测数字片段中未检出0.09
- 是能跑起来的工具片段中未检出0.05
- 学习案例 Top 10 候选信号片段中未检出0.17
- 是模型本身的复刻片段中未检出0.08
- 解决的问题够普遍（0–2）按 0–2 打分0.13 / 2
- 与 Jev 相关在材料中检出0.97
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3日 读 README 写成。