Scale AI发布System-1决策模型替代LLM评审研究

Scale AI发布论文《To Jev or Not to Jev》，在11个评审基准上对比14个System-1决策模型与4个生成式评审，考察前者何时能替代生成式评审、应如何查询以及会在哪些情况下失效。 该研究为试点规模，每种配置只运行一次；提示注入结果仅基于作者自写的一条载荷；成本比较采用标价，并对GPT-5.6假设了定价档位。两个免费目录模型mammoth-1和elephant-1每日限1000次请求。研究期间公布的Fastino GLiDE、Jeffan-31B、StartLux和Darwin-27B等较强决策模型，当前托管服务商未提供，自托管需至少80GB显存的GPU。

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。