# Jev evenaart veel LLM-beoordelaars bij evaluatie van AI voor kinderen

> Onderzoekers melden dat Jev, een goedkoper beslismodel voor taal, bij klinische tests net zo goed overeenstemt met beoordelingen van artsen als verschillende toonaangevende LLM-beoordelaars.

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

Een team Israëlische onderzoekers introduceerde Jev, een beslismodel voor taal dat gestructureerde oordelen geeft over de output van klinische AI. Ze testten het voor vier taken, waaronder 118 antwoorden over kindergeneeskunde die door artsen werden beoordeeld. Jevs overeenstemmingsscore (Gwet's AC2 0.50) was gelijk aan of hoger dan die van zeven van de 12 grote taalmodellen (LLM’s) waarmee het werd vergeleken, waaronder Claude Opus 5.5 (0.49) en GPT‑6 (0.38). Ook bij binaire criteria van HealthBench evenaarde of overtrof Jev de LLM-beoordelaars, en bij MedHELM-taken presteerde het vergelijkbaar met een jury van drie LLM’s. Volgens het artikel kost Jev 73‑294× minder en werkt het 7‑57× sneller dan de meest geavanceerde LLM-beoordelaars.

## De feiten

- Jevs overeenstemming met artsen volgens Gwet's AC2: 0.50
- De meest geavanceerde LLM-beoordelaars kosten 73‑294 keer zoveel en doen er 7‑57 keer zo lang over als Jev

## Waarom het ertoe doet

Ziekenhuizen kunnen AI-tools voor kinderen met Jev sneller en betaalbaarder evalueren dan met dure, trage LLM-beoordelaars.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-10-22