jevbooks

← 全部项目

jev-judge-rank

tsetse012/jev-judge-rank

用 Jev 的类型化概率判断对列表排序、去重并召回条目。

打分与排序0.95次选分类: 数据标注与清洗问卷灰区记分卡
README 自动摘要

根据 README 自动整理于 2026年10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

三个仅用标准库的 Python 脚本,借助 Jev 按书面标准为列表中每个条目打分、合并近似重复项,并召回与一句话相关的条目,适合需要对长列表做可复现判断的人。

它怎么用 Jev

Jev 为每个条目回答 Score 轴(按加权综合分排序)、对近似重复对以两种顺序提问 Noul 并取平均、以及为召回回答 Noul 相关性判断。has_demo 这类事实转为确定性的字段惩罚,而非 Jev 问题。

用到的原语:scorenoulchoice

值得抄的做法

每次请求一个条目、同一状态多个问题,配对问题以两种顺序提问后取平均。

怎么试

export TYPESAFE_API_KEY=... 然后运行 python3 scripts/jev_rank.py --items examples/ideas/items.json --config examples/ideas/axes.json --out out/rank

去 GitHub 看

开始使用 Jev:API key 与第一个请求 →

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 是项目的核心在材料中检出0.94
  • 展示了 System One 用法在材料中检出0.75
  • 写了怎么处理不确定片段中未检出0.06
  • 给出了实测数字未判定0.51
  • 是能跑起来的工具未判定0.56
  • 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0.07
  • 解决的问题够普遍(0–2)按 0–2 打分1.26 / 2
  • 与 Jev 相关在材料中检出0.98
信号
Jev 是项目的核心0.94展示了 System One 用法0.75写了怎么处理不确定0.06给出了实测数字0.51是能跑起来的工具0.56学习案例 Top 10 候选信号0.43是模型本身的复刻0.0700.51解决的问题够普遍(0–2)1.26 / 2012

无判定区(0.40–0.60)

设计模式
问卷0.97记分卡0.97灰区0.85取景框0.68漏斗0.63体检0.50信号灯0.46黑匣子0.41菜单0.37题库0.35验货0.2000.51

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10月20日 读 README 写成。