README 自动摘要
根据 README 自动整理于 2026年9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
一项实验，向Jev（TypeSafe AI的决策模型）提出真实概率可由贝叶斯定理精确计算的问题，以测量其返回概率的校准和基率忽视。面向评估Jev概率推理的研究者和开发者。
它怎么用 Jev
通过OpenRouter向Jev发送417个概率问题×5次尝试。返回的概率用于估计先验对数几率和对数似然比的权重，检验关于基率忽视和向0.5收缩的预注册假设。
用到的原语:choicenoul
值得抄的做法
使用隐藏的公平抽取和贝叶斯规则筛选问题，获得精确的真实概率以进行校准测试。
怎么试
uv sync; uv run pytest -q; uv run python -m jev_bayes.analyze; uv run python -m jev_bayes.figures
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0.69
- 展示了 System One 用法片段中未检出0.27
- 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0.77
- 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0.33
- 是模型本身的复刻片段中未检出0.03
- 解决的问题够普遍（0–2）按 0–2 打分0.83 / 2
- 与 Jev 相关在材料中检出0.99
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29日 读 README 写成。