Jev 安全审核案例

梳理 1,010 条 X 帖子的关联，并将其归为 22 个疑似诈骗团伙

无需过滤列表判断页面元素是否为广告，移除 16 个广告并缓存结果

用 33 个类型化问题评估 1,968 条护肤与健康广告，在 36 秒内生成 64,944 个答案

测量涉及年龄、种族、性别、人类与 AI 的标签化伦理困境中的选择概率

评估一条 Tibo 帖子触发 Codex 额度重置的概率

通过可配置参数与阈值分类诈骗邮件，并开源安全验证原型

审查补丁的语义风险，在 343 毫秒内标出三处掩盖问题的测试改动

为代理增加决策闸门，在执行前检查 SEO 内容、招聘证据与生成视频

对 ChatGPT 起草的文档进行全文检查，找出资料中没有依据的解释

识别数千种多语言敏感词拼写与变体，用于实时聊天审核

在 Mythic 中实时评估命令操作安全性，并识别表达式类型

用八种攻击测试 AI 请求闸门，包括伪造管理员、提取秘密与无害引用攻击内容

根据网址、锚文本与页面标题，在约 0.5 秒内判断链接安全、可疑或诈骗

实时分类页面内容，并阻止违反儿童安全策略的材料

在文本进入其他 AI 前检测个人身份信息，并比较分类任务与语义检索任务的适用性

在边缘设备上判断电话意图与犬吠声音，并返回结构化 JSON

将编码代理工具调用判为允许、询问或阻止，并由规则在约 40 毫秒内拦截已知威胁

检查人脸、手指、文字、数字与姿势，标记疑似 AI 生成照片

用校准后的类型化判断实时审核 100 条评论，花费 0.002171 美元

直接审核实时文本，并将图像与视频交由本地 OCR 或模型描述后再判断

随命令输入实时提示风险，并评估 200 条带标签命令

在执行前按六项安全因素评估每个智能体动作，并以每次 0.001 美元选择执行或暂停

过滤受污染 RAG 语料中的引用，避免智能体引用低质量内容

按同一标准检查 Supabase RLS 策略，并比较 Jev、GPT 与 Gemini 的漏洞识别、速度和成本