README 自动摘要
根据 README 自动整理于 2026年10月11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 Python 基准测试框架，在相同请求上比较快速类型化分类器（TypeSafe Jev、OpenAI Decisions、Cloudflare Clef、Microsoft-Decision-1）与 Claude 模型，在冻结的标注语料上测量准确率、校准、延迟尾部和成本。
它怎么用 Jev
Jev 是被基准测试的分类器之一。它以 System One 问题形态接收与其他分类器相同的问题；其答案、概率、延迟和注册表定价成本记录在 attempts.jsonl 中，并离线分析为 metrics.json 和 report.md。
用到的原语:choicescore
值得抄的做法
在首次调用前冻结 protocol、cases 和 registry，然后用 SHA256SUMS 密封运行目录，以实现可复现的比较。
怎么试
pip install classifier-bench; classifier-bench run -c jev -c haiku --dry-run --out /tmp/x
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0.15
- 展示了 System One 用法片段中未检出0.30
- 写了怎么处理不确定片段中未检出0.06
- 给出了实测数字片段中未检出0.17
- 是能跑起来的工具片段中未检出0.14
- 学习案例 Top 10 候选信号片段中未检出0.24
- 是模型本身的复刻片段中未检出0.04
- 解决的问题够普遍（0–2）按 0–2 打分1.46 / 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11日 读 README 写成。