README 自动摘要
根据 README 自动整理于 2026年9月25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
一个针对单一狭窄任务的基准测试：给定一个做出声明的句子及其引用的段落，判断该段落是否支持该句子。它将Jev与GPT-5.4、Claude Sonnet 5和Gemini 3.1 Pro进行比较。
它怎么用 Jev
Jev接收声明句子和引用段落作为状态，返回一个类型化答案（支持/不支持）及概率。基准测试将这些答案与人工标签对比评分，并使用概率进行风险-覆盖率分析。
用到的原语:choicescore
值得抄的做法
使用带概率的类型化答案而非自由文本，并扫描置信度阈值进行风险-覆盖率分析。
怎么试
运行 `python3 mcnemar.py` 或 `risk_coverage.py --sweep-own`；原始输出见 `results/`。
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0.39
- 展示了 System One 用法片段中未检出0.11
- 写了怎么处理不确定片段中未检出0.04
- 给出了实测数字在材料中检出0.98
- 是能跑起来的工具片段中未检出0.05
- 学习案例 Top 10 候选信号片段中未检出0.21
- 是模型本身的复刻片段中未检出0.12
- 解决的问题够普遍（0–2）按 0–2 打分1.21 / 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9月25日 读 README 写成。