# Elvis 称使用 Jev 为约 2.3K 篇 AI 论文重新打标签，花费 0.14 美元，耗时 83 秒

Elvis（@omarsar0）称他使用 Jev 整理约 2.3K 篇 AI 研究论文，总成本 0.14 美元，耗时约 83 秒。他表示 Jev 与此前 DeepSeek V4 Flash 标签的一致率为 75%，发现约 579 处高置信度主题变更，并对 30 项分歧进行人工核对后全部接受，随后将这些变更应用到生产环境。

Language: zh-CN
Time zone: Asia/Shanghai
Current time (UTC, cached as of): 2026-11-10T05:22:00.000Z
Query date (Asia/Shanghai): 2026-11-10

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

Content language: zh-CN
Localization state: translated

来源：elvis · 发布于 2026/9/22 00:13:00

Elvis（@omarsar0）称他在生产环境中使用 **Jev** 整理 **约 2.3K 篇 AI 研究论文**，报告 **总成本为 0.14 美元**，运行时间约 **83 秒**。

他表示这些论文已有来自先前开放模型 **DeepSeek V4 Flash** 的标签。据他所述，Jev 对该集合重新打标签，**与其中 75% 的标签一致**，并发现约 **579 处高置信度主题变更**。他称对 30 项分歧进行了人工标注，全部予以接受，随后在生产环境中应用并验证了这些变更。

他指向 [https://academy.dair.ai/papers](https://academy.dair.ai/papers) 上的论文，称他对分类更为满意但仍看到改进空间，并认为可通过结合 System One 与 System Two 模型来改进流水线。

Tags: Jev, 评估, 论文分类, DeepSeek

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