结论：Jev在预备科学决策点全对且请求最省，属小样本观察

约翰斯·霍普金斯大学、哥伦比亚大学、香港理工大学与宾夕法尼亚州立大学团队公开预印本《Jev for Scientific Decisions: Evaluating Semantic Choices and Their Consequences》。作者结论是：在20个科学选择、10个案例的共享harness对照中，Jev与5个满分配置同样取得语义与下游结果全对，并以0.335秒中位延迟与单次约0.00006美元成本成为本次观测最低。本文为预印本解读，结论限于作者开发集与当时服务条件，未经同行评审与独立复现。时效说明：arXiv记录该版本提交时间为2026年9月21日17时51分50秒UTC，对应北京时间2026年9月22日01时51分，属于本次运行的当日窗口；arXiv学科分类页同时将该条目列于Tue, 22 Sep 2026公告批次。

研究主体与状态

研究对象为科学工作流中的语义决策组件Jev，系TypeSafe AI面向类型化问答的模型，其Choice接口从显式候选中选择关系，文档分工要求数值运算交由代码、语义判断交由模型。论文作者为Boyuan Deng、Shuyi Fan、Hongyang Zhang与Xinhong Xie，分属上述四所高校。状态为arXiv预印本，学科标注为计算与语言、人工智能，全文11页含5表1图，未标注期刊或会议接收信息，应按未经同行评审处理。比较对象包括GPT-5.6系列、GPT-6 Astra、Claude Sonnet 5与Opus 5、Qwen3.8系列、DeepSeek V4系列与Kimi K3，共12种配置。

方法与评估条件

按作者在摘要与HTML全文中的描述，方法为共享harness下的受控对照。作者准备20个科学选择，分属10个案例，每案例2题，覆盖实验单元、共享历史、依赖关系与协议适用性，来源横跨制造材料、物理仿真、气候、计量与生物实验。每个模型收到相同预备证据包、结构化记录、问题说明与候选含义，参考答案与待评估主张置于输入之外。harness遵循Jev文档指引提原子问题、指向所供证据，计数、过滤、算术与标签合成均在代码中完成；Jev用原生Choice接口，其他模型经受限JSON返回候选标识，两题一并提交。12种配置各在10案例上重复5次，即每配置50次计划请求、100个语义答案，串行、乱序并轮换模型顺序。延迟取成功请求的客户端耗时中位与95分位，成本为已知成功单次均 charge或按token与价格估算。以上为作者自述，编辑未补充外部背景。

数据范围与作者报告的主要结果

作者称在上述条件下记录语义、下游与标签三层正确性。作者报告的主要结果为：Jev答对全部100个语义问题并拿到50个下游结果，与GPT-5.6 Sol、GPT-6 Astra、Claude Sonnet 5、Claude Opus 5与Kimi K3同样满分；Luna错1题、Qwen Flash错1题、Qwen Max错5题，7个错误均出自同一文化史问题。跨588个已收结果，终标签全部正确而下游精确为581个，差值即该单题7次错误，作者据此称正确标签可掩盖错误数量。资源侧作者报告Jev成功中位0.335秒、p95为0.442秒，单次约0.00006美元；同满分组次低的Sol为1.385秒与0.003047美元。作者还称Jev在S3、S4等状态跟踪与语言建模外推中保持稳定，但本研究的直接证据仅限上述10案例对照，不构成对所有科学场景的普遍保证。

限制与同行评审状态

状态为arXiv预印本，未经同行评审，稳健性与可复现性未知。限制包括：仅为20个模型路由选择、10案例的开发集，同一英文预备包跨重复复用，6配置满分使区分度有限，所有语义错误集中一题；全部参考终标签为不一致，无平衡标签与not_stated、other或conflicting等不确定情形，无法检验判别与拒答；证据制备已供给相关段落与记录，模型任务始于源定位与转录之后；每模型仅一实现配置，未做组件消融；延迟成本依赖服务、执行窗口、推理设置与缓存，仅覆盖成功请求，未计缺失响应、源制备、候选构建、人工审查与本地计算，总工作流花费未定。作者在Limitations节明确上述边界，编辑对此不做放宽。

潜在意义

若后续能被独立复现，该思路对中文科研与研发工作流具有参考价值：在证据已准备、候选关系显式且下游运算明确的固定决策点，以小而可审计的语义选择衔接语言与可执行规则，可能以较低请求成本保证关系正确，并通过保留关系级引用定位下游偏差。中国读者现阶段宜将其视为研究线索与评估方法参考，不宜直接作为采购或大规模部署依据。后续可关注作者是否公开完整工具、解析库与40选择开发集之外的源分离新案例，是否补充平衡标签与不确定证据测试，以及是否投稿同行评审并披露失效案例。

作者结论为论文自述，尚未见独立第三方验证；机构归属来自论文作者页，编辑解释仅限于方法归类与适用条件，不做效果担保或选型推荐。