Jev多语言评测：成本大降但仍有短板

论文研究团队在四个多语言基准上，将轻量模型Jev与生成式LLM评审进行比较，覆盖最多47种语言变体及二元判断、成对比较、分级打分三种评审格式。结果显示，Jev在多数任务上可与后者打平，而使用成本约为GPT-6.1的1/31至1/61。 不过，Jev在知识密集型答案验证方面较弱，也更容易接受低资源语言中的错误答案，因此低成本和多数任务表现持平并不代表其各语言、各任务能力均等同。

AI 根据报道生成 · 20 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。