README 自动摘要
根据 README 自动整理于 2026年10月4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
一个面向 AI 代理开发者的基准测试，在 7,925 条公共数据集行上，将 TypeSafe Jev 与 Gemini Flash 和 Claude Haiku 裁判在 PII、提示注入和有害内容检查上进行比较。
它怎么用 Jev
Jev 为每个策略检查返回一个概率；基准测试将此概率与调优后的阈值进行比较，以决定 ALLOW 或 BLOCK。`jev-decomposed` 变体将每个策略拆分为更小的是/否问题。结果用于 F1、FPR、AUROC、ECE 和延迟指标。
用到的原语:score
值得抄的做法
预先注册假设，并在一个划分上调优阈值，在另一个划分上评分，以实现公平比较。
怎么试
uv sync && uv run pytest；然后使用 configs/full.yaml 进行 freeze、run 和 report。
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0.80
- 展示了 System One 用法未判定0.44
- 写了怎么处理不确定片段中未检出0.05
- 给出了实测数字在材料中检出0.85
- 是能跑起来的工具片段中未检出0.09
- 学习案例 Top 10 候选信号片段中未检出0.36
- 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1.77 / 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4日 读 README 写成。