# Elvis 報告使用 Jev 以 $0.14、83 秒為 ~2.3K 篇 AI 論文重新標籤

Elvis（@omarsar0）表示，他使用 Jev 整理約 2.3K 篇 AI 研究論文，總成本 $0.14，耗時約 83 秒。他稱 Jev 與先前 DeepSeek V4 Flash 標籤的吻合度為 75%，並發現約 579 項高信心主題變更；對 30 項分歧的人工檢查全部獲採納後，這些變更已套用至生產環境。

Language: zh-HK
Time zone: Asia/Hong_Kong
Current time (UTC, cached as of): 2026-11-10T06:09:00.000Z
Query date (Asia/Hong_Kong): 2026-11-10

HTML: https://didcodexreset.com/zh-hk/news/c81bddde549d4e608e85b6dc.html

Content language: zh-HK
Localization state: translated

來源：elvis · 發布於 22/9/2026 00:13:00

Elvis（@omarsar0）表示，他在生產環境使用 **Jev** 整理 **~2.3K 篇 AI 研究論文**，報告 **總成本為 $0.14**，運行時間約 **83 秒**。

他表示這些論文已有先前開源模型 **DeepSeek V4 Flash** 的標籤。據他所稱，Jev 對該批論文重新標籤，**與其中 75% 的標籤一致**，並發現約 **579 項高信心主題變更**。他稱自己人工標註了 30 項分歧，全部採納，然後在生產環境套用並核實這些變更。

他指向 [https://academy.dair.ai/papers](https://academy.dair.ai/papers) 的論文，表示對分類結果更為滿意但仍有改進空間，並主張可透過結合 System One 與 System Two 模型來改進流程。

Tags: Jev, 評估, 論文分類, DeepSeek

[查看主帖原文](https://x.com/omarsar0/status/2102066232383979749)