$1.87 训练 4B 裁判模型，4 千条测试击败 Jev 1.14

MaziyarPanahi · x · 2026-10-21

开发者 Maziyar Panahi 用 Jev 数据集训练了自己的 LLM 裁判模型：基于 Qwen3.5-4B + Unsloth，在单张 H200 上用 Hugging Face Jobs 训练 22 分钟、花费仅 $1.87。在 4,035 条未参与训练的 RAG + 安全判断测试集上，他的 4B 模型拿到 89.4%（RAG 87.9% / Safety 90.7%），超过 Jev 1.14 的 82.2%；而未训练的 Qwen3.5-4B 只有 71.4%。用 Jev 自身答案作教师训练的版本为 83.3%。反转在于：在 2,000 条模型从未见过的 PubMed 医学判断上，Jev 1.14（916）反超用人工标注训练的版本（855），只有向 Jev 学过的 4B（922）保持领先——提示泛化能力取决于教师信号来源。