README 自动摘要
根据 README 自动整理于 2026年11月4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
Scholar Engine 是面向 AI 智能体的 FastMCP 服务器与 CLI，通过 DuckDB HTTP range 查询检索 arXiv，用 OpenAlex 补充引用信息，并按实证相关性而非向量相似度筛选科学论文。
它怎么用 Jev
Jev 将自然语言问题编译为概率谓词（如 P_empirical、P_real_hardware、P_applicable），在论文元数据与文本上求值。Pre-RAG 门控在全文阅读前丢弃非实证或不相关论文；Post-RAG 验证器将每条合成论断对照证据分类为 supported、partial、unsupported 或 contradicted。
用到的原语:score
值得抄的做法
将自然语言研究标准编译为持久概率谓词，在 RAG 前后进行门控。
怎么试
pip install -r requirements.txt，然后运行 python -m scholar.cli search "neural network verification" --limit 5。
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 是项目的核心片段中未检出0.17
- 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0.03
- 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0.93
- 学习案例 Top 10 候选信号片段中未检出0.10
- 是模型本身的复刻片段中未检出0.10
- 解决的问题够普遍（0–2）按 0–2 打分1.04 / 2
- 与 Jev 相关在材料中检出0.93
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4日 读 README 写成。