README 自动摘要
根据 README 自动整理于 2026年11月3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
JevGPT 是面向问答与排序基准（BrowseComp-Plus、NeuCLIRBench、CMASS）的研究智能体。一个审慎的 LLM 负责规划检索并整合发现，一个快速判断模型并行检查检索到的来源并返回选中的原文段落。
它怎么用 Jev
Jev（System One）从 System Two 接收明确的证据目标，每次只读取一个来源区域。它判断该来源是否支持请求、支撑段落在哪里、是否继续阅读；选中的原文段落连同来源坐标返回给 System Two。
用到的原语:choicescore
值得抄的做法
把高频的局部判断（来源相关性、段落定位）交给廉价的类型化决策模型，把昂贵推理留给规划与整合。
怎么试
python3 scripts/report.py --check --out artifacts/paper-tables 可重建论文表格；scripts/run.py 运行实际实验。
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-1.14.0- 项目信号
jev-1.14.0- 项目分类
jev-1.14.0- 模式标签
jev-1.14.0
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0.65
- 展示了 System One 用法在材料中检出0.78
- 写了怎么处理不确定片段中未检出0.17
- 给出了实测数字未判定0.54
- 是能跑起来的工具在材料中检出0.80
- 学习案例 Top 10 候选信号未判定0.43
- 是模型本身的复刻片段中未检出0.37
- 解决的问题够普遍（0–2）按 0–2 打分1.12 / 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11月3日 读 README 写成。