README 自动摘要
根据 README 自动整理于 2026年9月20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。
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 是项目的核心片段中未检出0.35
- 展示了 System One 用法片段中未检出0.19
- 写了怎么处理不确定片段中未检出0.08
- 给出了实测数字片段中未检出0.05
- 是能跑起来的工具在材料中检出0.97
- 学习案例 Top 10 候选信号片段中未检出0.17
- 是模型本身的复刻片段中未检出0.05
- 解决的问题够普遍（0–2）按 0–2 打分1.02 / 2
- 与 Jev 相关在材料中检出0.65
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9月20日 读 README 写成。