决策语言模型Jev与LLM评审临床AI评估对比

Rotem Gershon等作者发表研究，比较决策语言模型Jev与前沿及开源LLM评判模型在临床生成式AI输出评估中的表现。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评判模型中的7个，包括Claude Opus 5.5（0.49）和GPT-6（0.38）。 研究称，Jev可作为临床生成式AI的低成本快速评判替代方案。该结论基于四项临床AI评测任务，一致性以医生评分为参照。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。