JEV 论文：廉价评审级联可省约 43% 评测成本

TypeSafe AI 发布 Jev-as-a-Judge 论文，介绍只输出判定结果和标签概率、不含推理文本的决策型评审模型 JEV。在 510 个保留偏好对上，把 JEV 的置信判定留下、不确定案例升级给 GPT-6 Astra 的级联方案，保留了 GPT-6 约 99% 的准确率，费用约为其 57%。JEV 单价为每千次判定 0.044 美元、中位延迟 0.152 秒，比 GPT-6 的 12.182 美元和 1.885 秒便宜约 277 倍。在 RewardBench 上 JEV 拿到 92.2%（GPT-6 为 93.5%），HaluEval 上为 87.5%（GPT-6 为 86.7%），但 JudgeBench 上差距扩大到 78.6% 对 93.1%。作者提醒升级阈值并非对所有备用模型通用，建议在自己的数据上重新设定。