jevbooks

← 全部项目

2026_jev-box-demo

willirath/2026_jev-box-demo · 项目主页

使用 TypeSafe Jev 通过 OpenRouter 的热狗/非热狗图像分类器。

分类与路由0.78次选分类: 其他问卷
README 自动摘要

根据 README 自动整理于 2026年10月29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

一个静态网页,将图像分类为热狗或非热狗。面向希望通过 OpenRouter 简单演示 Jev 图像和框问题功能的用户。

它怎么用 Jev

Jev 接收图像和两个类型化问题:`noul`(是/否)问题 `hotdog` 给出 P(热狗),以及 `box` 问题 `where` 返回以图像尺寸比例表示的边界框。仅当 `noul` 概率至少为 0.5 时,页面才绘制该框。

用到的原语:noul

值得抄的做法

使用 `noul` 概率阈值来决定是否显示 `box` 答案,因为框问题总是返回一个框。

怎么试

本地运行 `python3 -m http.server -d public`,或使用托管页面并输入自己的 OpenRouter 密钥。

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-1.14.0
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0.96
  • 展示了 System One 用法在材料中检出0.95
  • 写了怎么处理不确定在材料中检出0.87
  • 给出了实测数字片段中未检出0.04
  • 是能跑起来的工具在材料中检出0.74
  • 学习案例 Top 10 候选信号未判定0.50
  • 是模型本身的复刻片段中未检出0.02
  • 解决的问题够普遍(0–2)按 0–2 打分0.00 / 2
  • 与 Jev 相关在材料中检出0.99
信号
Jev 是项目的核心0.96展示了 System One 用法0.95写了怎么处理不确定0.87给出了实测数字0.04是能跑起来的工具0.74学习案例 Top 10 候选信号0.50是模型本身的复刻0.0200.51解决的问题够普遍(0–2)0.00 / 2012

无判定区(0.40–0.60)

设计模式
问卷0.93验货0.63记分卡0.2200.51

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29日 读 README 写成。