JevLite小模型单次前向实现诈骗电话筛查

JevLite用4B模型单次前向输出校准诈骗概率，延迟64.5毫秒。

资讯摘要

论文在CallScreenBench上测试JevLite：将Qwen3-4B经LoRA微调，用两个答案标签logits的温度缩放softmax输出P(scam)。在41个留出场景、577次逐轮决策中，三随机种子集成达到AUROC .974、校准误差.052，在预注册.02裕度内不劣于LLM评审MiniMax-M3；合法通话无误报，同一挂断规则下提前1.14轮决策，单张消费级GPU每次决策64.5毫秒。作者称增益来自读出与校准而非准确率，微调ModernBERT编码器并不显著更差，配方经测试集暴露选择，来电者均为合成数据。

要点速读

1. Qwen3-4B经LoRA微调，对两个答案标签logits做温度缩放softmax得到诈骗概率，单次前向不生成文本。
2. 41个留出场景577次决策：三种子集成AUROC .974、校准误差.052，合法通话无误报，提前1.14轮决策。
3. 单张消费级GPU每次决策64.5毫秒，比同骨干改为生成式回答低4.9倍；作者承认配方经测试集暴露选择、来电者均为合成数据。

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 2026/10/28 08:00:17（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。