arXiv 发布 Jev 判断模型能力边界研究

2026年10月15日，arXiv Artificial Intelligence 刊出 Yaodong Yang 等作者的预印本论文，研究 Jev 判断模型在评估与模拟任务上的能力边界。论文称，Jev 单次调用即可为每个选项返回概率，在认知反射测试中答对 99% 的反直觉题目；但在需要模拟输入之外信息时失败，例如在 ALFWorld 中把未洗的刀直接放进抽屉。作者据此提出，代码负责模拟、Jev 负责评估：若由代码提供前瞻或物理模拟，Jev 可凭通用评估能力成为专家级控制器。论文测试覆盖认知反射测试、单次矩阵博弈、文本游戏 ALFWorld 与机器人控制，并称发现一条清晰边界。目前该研究以预印本形式发布，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。