बच्चों के स्वास्थ्य से जुड़े AI मूल्यांकन में Jev ने बड़े LLM जजों को टक्कर दी

इज़राइली शोधकर्ताओं की एक टीम ने Jev पेश किया है—यह निर्णय मॉडल क्लिनिकल AI के जवाबों पर व्यवस्थित फैसले देता है। उन्होंने चार तरह के कार्यों पर इसे परखा, जिनमें डॉक्टरों द्वारा मूल्यांकित बच्चों से जुड़े 118 जवाब शामिल थे। Jev का सहमति स्कोर (Gwet's AC2 0.50) उन 12 बड़े भाषा मॉडल (LLM) जजों में से सात के बराबर या उनसे बेहतर रहा, जिनसे इसकी तुलना की गई। इनमें Claude Opus 5.5 (0.49) और GPT‑6 (0.38) शामिल थे। HealthBench के हां-या-नहीं वाले मानदंडों पर भी Jev ने LLM जजों के बराबर या बेहतर प्रदर्शन किया और MedHELM के कार्यों में तीन LLM के निर्णायक पैनल जैसा प्रदर्शन किया। शोधपत्र के मुताबिक, Jev की लागत अत्याधुनिक LLM जजों के मुकाबले 73‑294× कम है और यह 7‑57× तेज़ चलता है।