# 新型决策模型 Jev 在儿科 AI 评估中比肩多款 LLM 评审模型

> 研究人员称，成本更低的决策语言模型 Jev 在临床测试中的评估结果与医生评分一致，表现不逊于多款顶尖 LLM 评审模型。

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

一组以色列研究人员推出了 Jev，这是一种可对临床 AI 输出作出结构化评判的决策语言模型。研究团队在四项任务中对其进行测试，其中包括由医生评判的 118 条儿科回答。Jev 与医生评分的一致性（Gwet's AC2 为 0.50），不逊于或优于他们拿来比较的 12 款大型语言模型（LLM）评审模型中的 7 款，例如 Claude Opus 5.5（0.49）和 GPT‑6（0.38）。在 HealthBench 的二元评估标准上，Jev 的表现也与 LLM 评审模型持平或更好；在 MedHELM 任务中，其表现则与由三个 LLM 组成的评审团相近。论文指出，Jev 的成本比前沿 LLM 评审模型低 73‑294 倍，运行速度快 7‑57 倍。

## 事实

- Jev 与医生评分的一致性（Gwet's AC2）：0.50
- 前沿 LLM 评审模型的成本是 Jev 的 73‑294 倍，耗时是 Jev 的 7‑57 倍

## 为什么重要

医院可以用 Jev 更经济、更快速地评估面向儿童的 AI 工具，无需依赖昂贵且耗时较长的 LLM 评审模型。

## 来源与参考

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

最后更新: 2026-10-22