Jev

精选 · 近期

解读 arXiv:2609.29429 RLCDAlignBench：把 TypeSafe Jev（RLCD）推到 10 类对齐失败×44 基准，通用问句中位 AUROC 0.886，相对 LLM-judge 约便宜 63×；对照站内 rubric 评委文，给出 harness 监控接线清单。

精选 · 近期

解读 Accenture arXiv:2609.28919：企业 coding-agent 账单常归因于「模型贵」，论文把责任挪到 harness 默认；用 Jev 做缓存安全路由，在仿真万席企业收回约 14–21% 模型花费，并给出从观测到主权阶梯的可落地清单。

精选 · 近期

解读 arXiv:2609.29769：typed classifier Jev 与三位 flash LLM 在九 panel、5003 pairs 上对照——准确率多数分不出显著差异，成本/时延差 29–325× 与 30–220×；相关错误让「廉价一阶段 + LLM 回退」cascade 最多只多出约 1.5pp。

精选 · 近期

解读 arXiv:2609.30243 JevOut：答案保持的短上下文可把 Jev 等决策模型从正确选择翻到事先固定的错误目标；核对 Jev TFR 61.4%、高置信度翻转与 BFCL 工具路由脆弱性，并给出把概率当控制面之前的硬化清单。