قدّم فريق من الباحثين الإسرائيليين Jev، وهو نموذج لغوي لاتخاذ القرارات يصدر أحكامًا منظّمة على مخرجات الذكاء الاصطناعي في المجال السريري. واختبروه في أربع مهام، من بينها تقييم أطباء لـ118 إجابة في طب الأطفال. وبلغت درجة التوافق لدى Jev (Gwet's AC2 0.50)، وهي مماثلة أو أعلى من درجات سبعة من أصل 12 نموذجًا لغويًا كبيرًا (LLM) قارنوها به، من بينها Claude Opus 5.5 (0.49) وGPT‑6 (0.38). كما عادل Jev أو تفوّق على نماذج التحكيم اللغوية في معايير HealthBench الثنائية، وأدى أداءً مشابهًا لهيئة تحكيم مؤلفة من ثلاثة نماذج لغوية في مهام MedHELM. وتشير الورقة البحثية إلى أن كلفة Jev أقل بـ73‑294 مرة، وأنه أسرع بـ7‑57 مرة من نماذج التحكيم اللغوية المتقدمة.
لماذا يهم
يمكن للمستشفيات تقييم أدوات الذكاء الاصطناعي المخصصة للأطفال بسرعة أكبر وكلفة أقل باستخدام Jev بدلًا من نماذج التحكيم اللغوية الباهظة والبطيئة.
