# elovic-gpt-researcher-context-filter-jev-2026-09-26

## Veille

Technische Dokumentationsseite von **GPT Researcher**, *„Context Filter“*, überarbeitet am **26. September 2026** von **Assaf Elovic**, dem Erschaffer des Projekts, an dem Tag, an dem er **Jev** (ein Modell von **TypeSafe**) zum Standard-Kontextfilter machte. Rund **2.200 Wörter**, einschließlich eines reproduzierbaren Benchmarks. **(A)** Die Gestaltungsthese: Der Kontextfilter ist *„der größte Hebel für die Berichtsqualität nach der Recherche selbst“*: *„was er verwirft, bekommt der Schreiber nie zu sehen“*. **(B)** Der Mechanismus: Jede gescrapte Seite wird in **1.000 Zeichen** lange Abschnitte zerlegt. Jev bewertet jeden Abschnitt auf einer vierstufigen Nützlichkeitsskala (0 bis 3), und nur Abschnitte mit **≥ 1,5** werden beibehalten, höchstens zehn. Ohne API-Schlüssel übernimmt ein lokaler **BM25**-Fallback mit relativem Schwellenwert. **(C)** Der Benchmark: 28 Aufgaben, erneut auf denselben Seiten durchgespielt. **73 %** relevante Passagen für Jev gegenüber **46 %** für Embeddings, **15-10-3** im Direktvergleich, bei gleichen Kosten (~0,115 $ pro Bericht). **(D)** Der am ehesten übertragbare Befund: *„der Schwellenwert zählt mehr als das Ranking“*. Ohne Schwellenwert fällt Jev auf 50 % zurück. Der Gewinn entsteht durch weniger Rauschen, nicht durch mehr Inhalt. Erweitert, auf der Websuche-Seite, den Vergleich von Retrieval-Strategien aus [[comparethemarket-context-retrieval-ai-code-review-gkg-rag-2026-03-06]].

## Titre Article

Context Filter

## Date

2026-09-26

## URL

https://docs.gptr.dev/docs/gpt-researcher/gptr/context-filter

## Keywords

Kontextfilter, Context Filter, Passagenauswahl, GPT Researcher, Jev, TypeSafe, System 1, Nützlichkeitsbewertung, kalibrierte Wahrscheinlichkeiten, Auswahlschwelle, BM25, lexikalische Suche, Embeddings, Kosinus-Ähnlichkeit, Chunk-Aufteilung, Chunking, Fallback, Fallback-Modus, nachgespielter Benchmark, Präzision, paarweiser Vergleich, LLM-Judge, SimpleQA, Deep Research, Kosten pro Bericht, kontextuelles Rauschen, context engineering

## Authors

Assaf Elovic, créateur de GPT Researcher, auteur de la page (documentation officielle docs.gptr.dev, non signée).

## Ton

**Profil**: Referenzdokumentation für ein Open-Source-Projekt, verfasst vom leitenden Maintainer am selben Tag wie die Änderung des Standardverhaltens. Die Seite dient sowohl als Handbuch (Modi, Umgebungsvariablen, Fallback-Kette) als auch als messbasierte Rechtfertigung dieser Entscheidung.

**Stil**: sachlich, dicht, ingenieursorientiert. ASCII-Pipeline-Diagramm, vollständige HTTP-Anfrage, Ergebnistabellen, numerische Parameter (k1 = 1,5, b = 0,75, 64 gleichzeitige Aufrufe). Die Aussagen sind kurz und evidenzbasiert (*„eine kalibrierte Nützlichkeitsbewertung kann sagen 'nichts anderes auf dieser Seite ist es wert, aufgenommen zu werden'; eine Ähnlichkeitsbewertung kann das nicht“*).

**Epistemische Haltung**: vorsichtiger als die durchschnittliche Produktseite. Protokoll veröffentlicht, Skripte und Metriken committet, Signifikanztest angegeben (p ≈ 0,008 für Jev, p ≈ 0,12 für den BM25-Fallback, als *„richtungsweisend“* bezeichnet). Ein Abschnitt mit Einschränkungen geht der Reproduktion voraus: 28 Aufgaben, ein einziges Schreibmodell, ein einziger Berichtstyp, Schreiben und Bewerten durch dieselbe Familie (gpt-5.4). Die Standardwahl begünstigt einen Drittanbieter (TypeSafe), und die Seite sagt nichts über die Beziehung zwischen den beiden Projekten. Der kostenlose Fallback ist jedoch dokumentiert und wird als Embeddings mindestens gleichwertig gemessen.

## Pense-betes

- **Wo der Filter sitzt.** Abfrage → Unterabfragen → für jede: Suche, Scraping, **Filter**, Passagen. Die Passagen aller Unterabfragen werden zusammengeführt und dann an den Schreiber gesendet. Seite auf **50.000 Zeichen** begrenzt, zerlegt in **1.000-Zeichen**-Abschnitte mit 100 Zeichen Überlappung. Der Chat zu einem fertigen Bericht läuft über dieselbe Funktion `select_context()`, wobei der Bericht als einzelne Seite behandelt wird.
- **Fünf Modi** (`CONTEXT_FILTER`): `auto` (Jev, falls ein Schlüssel vorhanden ist, sonst Keyword), `jev`, `keyword` (BM25), `embeddings`, `none`. Jeder Jev-Fehler (fehlender Schlüssel, Netzwerkproblem, 429/529 nach drei Versuchen, fehlerhafte Antwort) fällt auf Keyword zurück. Keine Einstellung lässt einen Lauf ohne Kontext zurück. Unter insgesamt **8.000 Zeichen** läuft alles ungefiltert durch.
- **Jev, ein „System-One-Modell“**: Es generiert keinen Text, sondern beantwortet typisierte Fragen mit kalibrierten Wahrscheinlichkeiten. Vierstufige Skala: nicht verwandt / gleiches Thema, aber nicht nützlich / beantwortet teilweise / beantwortet direkt. Die Bewertung ist der gewichtete Durchschnitt (0 bis 3). Schwellenwert `JEV_MIN_SCORE` = 1,5. Kosten: **0,042 $ pro Million Input-Tokens**, Output kostenlos, also ~ein halber Cent pro Bericht.
- ⭐ **Der Schwellenwert bestimmt den Gewinn, nicht das Modell.** Jev, gezwungen, ohne Schwellenwert 10 Plätze zu füllen: 73 % → **50 %**, kaum besser als Embeddings. Rohes Top-10-BM25: 40 %, unterliegt Embeddings; dasselbe BM25 mit relativem Schwellenwert (≥ 50 % des besten Abschnitts): 51 %, schlägt sie. Eine Metrik, die sagen kann „nichts anderes verdient es, aufgenommen zu werden“, schlägt ein Ranking, das immer das Budget ausfüllt.
- **Weniger Rauschen, nicht mehr Inhalt.** Jev sendet **4,5k Tokens** gegenüber 7,6k bei Embeddings, bei einer nahezu identischen Menge relevanten Texts (~3,3k gegenüber 3,5k). Der Unterschied betrifft das, was der Schreiber ignorieren muss. Spiegelt die Diagnose des *context rot* wider, von der Eingabeseite aus betrachtet.
- **Gar nicht zu filtern** gewinnt bei offenen Fragen (8:0 gegen Embeddings), kostet aber **+65 %** pro Bericht (+83 % bei offenen Fragen) und sendet bis zu 108k Tokens. Bei Faktenfragen kein Gewinn. Der Abstand wächst bei *Deep Research*, das die Unterabfragen vervielfacht.
- **Wiederverwendbares Protokoll**: Die vom Filter tatsächlich gesehenen Seiten aufzeichnen, sie mit jedem Filter erneut durchspielen, den Schreiber konstant halten, dann aus drei Blickwinkeln bewerten (Passagenpräzision, blinder Direktvergleich in beiden Reihenfolgen, SimpleQA-Genauigkeit). Suche und Scraping, die rauschintensivsten Schritte, werden neutralisiert.
- **SimpleQA ist gesättigt**: 18 bis 20 von 20 bei jedem Filter. Ein faktenbasierter Benchmark unterscheidet nicht zwischen Kontextstrategien.
- ⚠️ **Die eigenen Einschränkungen der Seite**: 28 Aufgaben, nur Standardbericht, Schreiben und Bewerten durch dieselbe Modellfamilie. Benchmark-Kosten: ~41 $ für Schreiben und Filtern, zuzüglich 8 bis 15 $ für die Bewertung.

## RésuméDe400mots

Die Dokumentationsseite „Context Filter“ von GPT Researcher, überarbeitet am 26. September 2026 von ihrem Erschaffer Assaf Elovic, beschreibt den Schritt, der unter den gescrapten Seiten die Passagen auswählt, die das Schreibmodell tatsächlich lesen wird. Sie stellt dies als den wichtigsten Hebel für die Berichtsqualität nach der Recherche selbst dar.

Für jede Unterabfrage werden die Seiten auf 50.000 Zeichen begrenzt und in 1.000-Zeichen-Abschnitte zerlegt. Der Filter behält höchstens zehn Abschnitte (im Keyword-Modus fünfundzwanzig), anschließend werden die Kontexte der Unterabfragen zusammengeführt und an den Schreiber übergeben. Der Chat zu einem bestehenden Bericht nutzt dieselbe Funktion wieder.

Es stehen fünf Modi zur Verfügung. Standardmäßig verwendet GPT Researcher Jev, ein Modell von TypeSafe, das keinen Text generiert, sondern typisierte Fragen mit kalibrierten Wahrscheinlichkeiten beantwortet. Jeder Abschnitt erhält eine Nützlichkeitsbewertung von 0 bis 3 auf einer vierstufigen Skala; nur Abschnitte mit 1,5 oder mehr werden beibehalten. Die Aufrufe laufen parallel, jeweils vierundsechzig gleichzeitig, bei einer mittleren Filterzeit von etwa 1,7 Sekunden und einem halben Cent pro Bericht. Ohne TypeSafe-Schlüssel oder im Fehlerfall greift das System auf ein reines Python-Ranking ohne Abhängigkeiten nach BM25 zurück, das Abschnitte behält, die die Hälfte des Werts des besten Abschnitts erreichen. Keine Einstellung lässt einen Lauf ohne Kontext zurück.

Der Benchmark spielt 28 reale Aufgaben erneut durch, 20 SimpleQA-Fragen und 8 offene Fragen, exakt auf den aufgezeichneten Seiten, mit demselben Schreibmodell. Nur der Filter variiert. Jev erreicht 73 % relevante Passagen gegenüber 46 % bei Embeddings und gewinnt 15 Direktvergleiche gegen 3, bei 10 Unentschieden, zu gleichen Kosten. Der BM25-Fallback erreicht 51 % und gewinnt 14 gegen 6, ein Ergebnis, das nur als richtungsweisend eingestuft wird. Ohne Filter gewinnen offene Berichte an Umfang, kosten aber im Durchschnitt 65 % mehr.

Zwei Befunde strukturieren die Seite. Erstens zählt der Schwellenwert mehr als das Ranking: Ohne Schwellenwert fällt Jev auf 50 % zurück, und BM25 verliert gegen Embeddings. Zweitens besteht der Gewinn in einer Rauschreduzierung: Jev sendet 4,5k Tokens statt 7,6k, bei einer gleichwertigen Menge relevanten Texts. SimpleQA, das bei 18-20 von 20 gesättigt ist, unterscheidet überhaupt nicht.

Die Seite nennt ihre Einschränkungen: 28 Aufgaben, ein einziger Berichtstyp, Schreiben und Bewerten durch dieselbe Modellfamilie. Die Skripte für Erfassung, erneutes Durchspielen und Bewertung sind veröffentlicht, zusammen mit Metriken pro Lauf, sodass jeder die Messung wiederholen kann.

## GrapheDeConnaissance

- Assaf Elovic —a_créé→ GPT Researcher (TECHNOLOGIE, 0.95)
- Assaf Elovic —publie→ page Context Filter (DOCUMENT, 0.9)
- GPT Researcher —utilise→ Jev (TECHNOLOGIE, 0.97)
- TypeSafe —a_créé→ Jev (TECHNOLOGIE, 0.97)
- GPT Researcher —utilise→ BM25 (CONCEPT, 0.95)
- GPT Researcher —utilise→ filtre de contexte (METHODOLOGIE, 0.97)
- filtre de contexte —améliore→ la qualité des rapports de recherche, principal levier après la recherche elle-même (AFFIRMATION, 0.92)
- Jev —est_instance_de→ modèle System One (CONCEPT, 0.93)
- modèle System One —permet→ des réponses à des questions typées sous forme de probabilités calibrées, sans génération de texte (AFFIRMATION, 0.92)
- Jev —surpasse→ embeddings (TECHNOLOGIE, 0.9)
- Jev —mesure→ 73 % de passages pertinents contre 46 % pour les embeddings, 15 victoires, 10 égalités, 3 défaites, sur 28 tâches (MESURE, 0.93)
- BM25 —mesure→ 51 % de passages pertinents et 14-8-6 contre les embeddings avec seuil relatif, 40 % en top-10 brut (MESURE, 0.9)
- page Context Filter —affirme_que→ le seuil de sélection compte plus que le classement : sans seuil, la précision de Jev tombe de 73 % à 50 % (AFFIRMATION, 0.94)
- filtre de contexte —réduit→ le bruit transmis au rédacteur, 4,5 k tokens contre 7,6 k pour une quantité de texte pertinent équivalente (MESURE, 0.9)
- page Context Filter —affirme_que→ ne pas filtrer élargit les rapports ouverts mais coûte 65 % de plus par rapport, sans gain sur les questions factuelles (AFFIRMATION, 0.9)
- page Context Filter —affirme_que→ SimpleQA est saturé, 18 à 20 sur 20 pour tous les filtres, et ne départage pas les stratégies de contexte (AFFIRMATION, 0.9)
- page Context Filter —est_basé_sur→ benchmark rejoué à pages constantes, jugé par gpt-5.4 et gpt-5.4-mini (AFFIRMATION, 0.88)
- page Context Filter —affirme_que→ "A calibrated usefulness score can say 'nothing else on this page is worth including'; a similarity score can't." (CITATION, 0.93)
- filtre de contexte —fait_partie_de→ context engineering (METHODOLOGIE, 0.8)

---
Canonical: https://www.thekb.eu/de/fiches/elovic-gpt-researcher-context-filter-jev-2026-09-26/