jevbooks

← 全部项目

paper-radar-jev

LYchoon/paper-radar-jev

每日 arXiv 论文雷达,用 TypeSafe AI 评估相关性。

打分与排序99%次选分类: 分类与路由

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。

去 GitHub 看

Jev 判的jev-1.13.0

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0.35
  • 有 System One 用法0.19
  • 处理了不确定性0.08
  • 有实测数据0.05
  • 可直接跑0.97
  • 值得推荐0.17
  • 是模型的复刻0.05
  • 问题普遍性按 0–2 打分1.02
  • 与 Jev 相关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。