JEV-as-a-Judge：置信时接受，不确定时升级

JEV-as-a-Judge 用仅做决策的评审模型做低成本初筛，在普通偏好与证据支撑的事实性任务上，与最强对比的 SOTA LLM 评审差距在 3 个百分点以内，费用仅为其 0.36%。当判断需要检查推导过程或抵御精心编写的错误答案时，差距会扩大，且 JEV 与对比模型的差距集中在低置信度决策上。一个冻结的级联流程接受高置信度判定、升级不确定判定，以更低成本保留了对比模型 99% 的准确率。