这是什么
一个可配置的 Python CLI,面向研究人员:抓取最新 arXiv 论文,评估其与 JSON 研究画像的相关性,并生成每日 Markdown 与 JSON 相关性排名。
它怎么用 Jev
对每篇论文,将研究画像、标题、摘要与分类发送给 TypeSafe AI,用 P(True) 回答相关性判断。返回的概率与可配置阈值比较,用于报告中的排序、过滤与排列。
用到的原语:score
值得抄的做法
把研究画像完全定义在 JSON 中,包括 negative topics 与 evaluation guidance,因此不硬编码任何研究领域。
怎么试
gh repo clone LYchoon/paper-radar-jev,uv sync,设置 TYPESAFE_API_KEY,然后 uv run paper-radar --config config/config.json。
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 是主角否0.35
- 有 System One 用法否0.19
- 处理了不确定性否0.08
- 有实测数据否0.05
- 可直接跑是0.97
- 值得推荐否0.17
- 是模型的复刻否0.05
- 问题普遍性按 0–2 打分1.02
- 与 Jev 相关是0.65
信号由 Jev jev-1.13.0 判定,简介由 DeepSeek V4.1 Flash 于 2026年9月20日 读 README 写成。