这是什么
对 TypeSafe 的 Jev 进行独立校准研究，测量其概率在模型不可能见过的输入上是否仍然诚实：900 条规则生成的工单加上三个公开基准，并公开每一条原始响应。
它怎么用 Jev
Jev 通过 Vercel AI Gateway 对合成工单和公开基准条目回答 Choice、Score 和 Boolean 问题。返回的概率会对照模拟噪声下限计算 ECE，用单一温度重新拟合，并分析各问题类型误校准的符号。
用到的原语:choicescorenoul
值得抄的做法
在评分前公开每一条原始响应，并将 ECE 与模拟噪声下限而非零进行比较。
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0.76
- 有 System One 用法否0.30
- 处理了不确定性是0.88
- 有实测数据是0.79
- 可直接跑否0.06
- 值得推荐否0.38
- 是模型的复刻否0.03
- 问题普遍性按 0–2 打分1.51
- 与 Jev 相关是0.99
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。