README 自动摘要
根据 README 自动整理于 2026年10月19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
一项独立实验，测试 Jev 模型能否将真实职位与合适候选人匹配。它使用 Kaggle 数据集中的 400 个职位，对 30 份虚构简历进行评估，生成 12,000 个候选人-职位匹配分数。
它怎么用 Jev
对于每个职位，Jev 被要求为每位候选人给出 0–3 的匹配分数，并进行五项是/否检查（全职、远程、丹佛、迈阿密、需要注册护士执照）。是/否检查会过滤掉职位违反其约束的候选人，然后保留前 3 名。
用到的原语:scorechoice
值得抄的做法
在按匹配分数排序前，使用是/否约束检查过滤候选人。
怎么试
运行 `python avaliar.py` 无需 API 密钥即可重新计算已发布的结果。
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 用法未判定0.44
- 写了怎么处理不确定片段中未检出0.04
- 给出了实测数字在材料中检出0.97
- 是能跑起来的工具片段中未检出0.04
- 学习案例 Top 10 候选信号片段中未检出0.32
- 是模型本身的复刻片段中未检出0.03
- 解决的问题够普遍（0–2）按 0–2 打分0.17 / 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19日 读 README 写成。