决策语言模型Jev可低成本替代LLM临床评审

决策语言模型Jev在临床评审中一致性接近LLM评审且成本更低。

资讯摘要

论文比较了返回结构化判断的决策语言模型Jev与前沿及开放权重LLM评审在四个临床用例中的表现。在118份儿科回答上，Jev与医生序数质量评分的一致性（Gwet's AC2 0.50）达到或超过12个LLM评审中的7个，包括Claude Opus 5.5和GPT-6。作者报告前沿评审成本为Jev的73至294倍、耗时7至57倍。

要点速读

1. 在118份儿科回答上，Jev与医生序数评分的一致性为Gwet's AC2 0.50，达到或超过12个LLM评审中的7个。
2. 在HealthBench Professional上，Jev在91%的标准上与参考评审GPT-5.4一致，其他评审为91%至93%。
3. 作者报告前沿LLM评审的成本是Jev的73至294倍，耗时是7至57倍。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。