README 自动摘要
根据 README 自动整理于 2026年10月10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
jev-eval 在您自己的标注数据上测量并校准 TypeSafe AI 的 Jev。它报告每个问题的准确率、校准情况（ECE、可靠性表）、风险-覆盖率，并推荐用于门控工作流的置信度切点。
它怎么用 Jev
Jev 对每行状态回答标注问题（Choice、Noul、Score）。jev-eval 将答案与金标签比较，计算准确率和校准，然后推荐置信度切点，用于自动决定置信案例并升级其余案例。
用到的原语:choicescorenoul
值得抄的做法
使用自助法（bootstrap）和袋外评分来诚实估计门控准确率，避免同数据乐观偏差。
怎么试
export JEV_API_KEY=...; jev-eval run --data labeled.jsonl --config jev-eval.json --cache run.jsonl
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0.86
- 展示了 System One 用法在材料中检出0.85
- 写了怎么处理不确定在材料中检出0.84
- 给出了实测数字片段中未检出0.13
- 是能跑起来的工具未判定0.40
- 学习案例 Top 10 候选信号未判定0.58
- 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1.07 / 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10日 读 README 写成。