# Jev bewertet pädiatrische KI ähnlich gut wie viele LLM-Richter

> Laut Forschern stimmt das günstigere Entscheidungsmodell Jev bei klinischen Tests ebenso gut mit ärztlichen Bewertungen überein wie mehrere Spitzenmodelle als LLM-Richter.

Oossa · 2026-10-22 · https://oossa.com/de/new-decision-model-jev-matches-many-llm-judges-in-pediatric-ai-evaluation

Ein Team israelischer Forscher hat Jev vorgestellt, ein Entscheidungsmodell, das strukturierte Bewertungen klinischer KI-Ausgaben liefert. Es wurde in vier Aufgabenbereichen getestet, darunter 118 von Ärzten bewertete Antworten aus der Pädiatrie. Jevs Übereinstimmungswert (Gwet’s AC2: 0.50) lag auf dem Niveau von sieben der zwölf verglichenen Large Language Models (LLMs), die als Richter dienten, oder darüber. Dazu gehörten Claude Opus 5.5 (0.49) und GPT-6 (0.38). Auch bei binären Kriterien von HealthBench schnitt Jev mindestens ebenso gut ab wie die LLM-Richter und erzielte bei MedHELM-Aufgaben ähnliche Ergebnisse wie eine Jury aus drei LLMs. Der Studie zufolge ist Jev 73‑ bis 294-mal günstiger und läuft 7‑ bis 57-mal schneller als die führenden LLM-Richter.

## Die Fakten

- Jevs Übereinstimmung mit Ärzten nach Gwet’s AC2: 0.50
- Führende LLM-Richter sind 73‑ bis 294-mal teurer und benötigen 7‑ bis 57-mal so lange wie Jev

## Warum es wichtig ist

Krankenhäuser könnten KI-Tools für Kinder mit Jev schneller und günstiger bewerten als mit teuren, langsamen LLM-Richtern.

## Quellen und Referenzen

1. [Decision language models as affordable and rapid alternatives to LLM judges of clinical generative AI](https://arxiv.org/abs/2610.28826) – arXiv, 2026-10-22

Zuletzt aktualisiert: 2026-10-22