JEV-as-a-Judge：置信时接受，不确定时升级

JEV-as-a-Judge 提出用只输出标签概率的决策型评判模型 JEV 做评估，由置信度决定直接采纳还是升级给推理型评判模型。在 16 个生成式与奖励模型评判器的对比中，JEV 在可直接从文本读出结论的场景下与 GPT-6 相差 3 分以内，费用仅为其 0.36%，中位延迟 0.15 秒，但在数学、代码和逻辑等需推导结论的场景落后。