这是什么
一个 Go 基准测试套件，在两组公开语料上评估 TypeSafe 的 System One 模型 Jev：662 条提示注入消息和 200 对匹配的漏洞代码。它报告分类指标、校准和标签审计，并带有 TUI 仪表盘。
它怎么用 Jev
Jev 在每个样本的一次请求中回答一个是/否注入问题和一个严重性 Score，并将部署上下文作为状态传入。返回的概率在 0.50 处阈值化以得到报告指标；README 建议使用 0.70/0.35 切分的分级策略。
用到的原语:choicescore
值得抄的做法
将部署上下文作为状态传入，使同一模型在固定阈值下区分流量。
怎么试
export TYPESAFE_API_KEY=...; go run ./cmd/jev-sec-bench -bench all
证据
每一行都是就 README 问 Jev 的一道题。≥ 0.60 算「是」，≤ 0.40 算「否」，中间这一段 Jev 不下判断。
- Jev 是主角是0.92
- 有 System One 用法否0.18
- 处理了不确定性是0.64
- 有实测数据否0.28
- 可直接跑否0.19
- 值得推荐未判定0.47
- 是模型的复刻否0.04
- 问题普遍性按 0–2 打分1.62
- 与 Jev 相关是0.98
信号由 Jev jev-1.13.0 判定，简介由 DeepSeek V4.1 Flash 于 2026年9月21日 读 README 写成。