README 自动摘要
根据 README 自动整理于 2026年10月13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
一份关于 TypeSafe AI 的 Jev 决策模型的研究快照，并附带一个可在本地 CPU 上运行的开源零样本分类器（GLiClass）的可运行示例，用于类似任务。
它怎么用 Jev
README 未展示如何在代码中使用 Jev。它将 Jev 描述为一个托管 API，接收非结构化上下文和类型化问题，并返回校准概率，但未提供代码示例。
用到的原语:choicescore
值得抄的做法
使用开源零样本分类器作为本地替代方案；为校准拟合温度缩放。
怎么试
python -m venv .venv; pip install torch --index-url https://download.pytorch.org/whl/cpu; pip install -r requirements.txt; python classify.py
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 是项目的核心未判定0.52
- 展示了 System One 用法片段中未检出0.13
- 写了怎么处理不确定片段中未检出0.06
- 给出了实测数字片段中未检出0.08
- 是能跑起来的工具片段中未检出0.30
- 学习案例 Top 10 候选信号片段中未检出0.17
- 是模型本身的复刻在材料中检出0.91
- 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0.89
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10月13日 读 README 写成。