论文评估了哪些模型？
论文对开源权重模型 Laya 和托管模型 Jev 两种 System-1 决策模型进行了配对评估。
Fast Models, Slow Evidence: A Paired and Self-Audited Evaluation of System-1 Decision Models for LLM Agent Harnesses
（翻译）快速模型，缓慢证据：面向 LLM Agent Harnesses 的 System-1 决策模型配对与自审计评估
资讯摘要
Abstract page for arXiv paper 2610.02267: Fast Models, Slow Evidence: A Paired and Self-Audited Evaluation of System-1 Decision Models for LLM Agent Harnesses
AI 摘要
这篇 arXiv 论文评估开源 Laya 与托管 Jev 两种 System-1 决策模型在 11 类 LLM Agent 决策点上的表现，涵盖 7283 个基础案例和 6640 个鲁棒性变体。结果显示 Jev 在多数任务更准确，论文还披露了评估流程中的成本、阈值和通道效应等分析偏差。
AI 问答
评估覆盖了多少数据？
评估包含来自 18 个公开来源的 7283 个基础案例，以及 6640 个鲁棒性变体。
主要结论是什么？
Jev 在 11 个决策点中的 9 个显著更准确；两种模型在零样本模型路由上都未超过随机水平，并在 RAG 相关性门控上打平。
更多资讯
近期海外进出口传闻的政策限制对公司是否有影响？ 天孚通信回应一篇把锅从模型甩回公司手里的短文 —— 「计算机无法做出决定」世界的下一个版本，由我们定义 ｜2026苏客松招募启动中金黄金等在河南成立黄金投资公司，注册资本2000万元奈飞据悉正进行组织重组，预计将影响约5%的员工“物外智趣”完成数千万元人民币天使轮融资七部门：推动电商平台规则向优转型
「10.11大暴跌」一周年：加密市场发生了哪些变化？用AI降低激光焊使用门槛，这家公司完成数千万元融资｜36氪首发做重大决策前，先让AI唱反调富特科技：股东拟减持不超2.894%公司股份功能是答案，问题是题目：AI 时代，产品经理唯一稀缺的产出
Sui 难民：华语开发者为什么选择离开？Claude 动态多 Agent 工作流开始公测，支持庞大的工作负载深交所：9月28日至10月9日，共对141起证券异常交易行为采取了自律监管措施我让豆包工作看了30个爆款AI封面，它总结出了八个规律三晖电气：股东于文彪及其一致行动人拟减持不超3%公司股份
8600万美元被盗 官方授权也不能保证硬件钱包安全？对话赵长江：智界RX要成为华为的「Pura X」
Codex 和 Claude Code 都跑偏了，前 OpenAI 研究员称 Jev 出现前 AI 世界是个悲剧得中女得天下？这个年销3亿的女装品牌AAAD给出了新答案！A股市场下探回升，机构称市场具备修复性反弹基础
Telegram钱包全面开放 CFTC将事件合约纳入互换定义商务部电子商务司负责人解读《关于实施品质电商“五优”行动的通知》特斯拉在欧洲将 Full Self-Driving 改名为 Tesla Assisted Driving谷歌正在内测新 AI 模型，员工称其编码能力和 Claude Opus 5.5 打平
@ 一下就能派活？谷歌推出办公 Agent，拥有独立账号、能够创建子 Agent，还能调用 Claude内蒙古：全区所有水泥熟料生产线11月起实施共5个月实行错峰生产Nano Banana 2.1 九种实战用法：从多图一致性到"养图"，附完整提示词泰国证交所修订卖空和高频交易规则
「10.11大暴跌」一周年：加密市场发生了哪些变化？用AI降低激光焊使用门槛，这家公司完成数千万元融资｜36氪首发做重大决策前，先让AI唱反调富特科技：股东拟减持不超2.894%公司股份功能是答案，问题是题目：AI 时代，产品经理唯一稀缺的产出Sui 难民：华语开发者为什么选择离开？Claude 动态多 Agent 工作流开始公测，支持庞大的工作负载深交所：9月28日至10月9日，共对141起证券异常交易行为采取了自律监管措施我让豆包工作看了30个爆款AI封面，它总结出了八个规律三晖电气：股东于文彪及其一致行动人拟减持不超3%公司股份8600万美元被盗 官方授权也不能保证硬件钱包安全？对话赵长江：智界RX要成为华为的「Pura X」Codex 和 Claude Code 都跑偏了，前 OpenAI 研究员称 Jev 出现前 AI 世界是个悲剧得中女得天下？这个年销3亿的女装品牌AAAD给出了新答案！A股市场下探回升，机构称市场具备修复性反弹基础Telegram钱包全面开放 CFTC将事件合约纳入互换定义商务部电子商务司负责人解读《关于实施品质电商“五优”行动的通知》特斯拉在欧洲将 Full Self-Driving 改名为 Tesla Assisted Driving谷歌正在内测新 AI 模型，员工称其编码能力和 Claude Opus 5.5 打平@ 一下就能派活？谷歌推出办公 Agent，拥有独立账号、能够创建子 Agent，还能调用 Claude内蒙古：全区所有水泥熟料生产线11月起实施共5个月实行错峰生产Nano Banana 2.1 九种实战用法：从多图一致性到"养图"，附完整提示词泰国证交所修订卖空和高频交易规则