复旦团队用千万级中文决策数据训练Chinese-Jev，通用任务准确率69.20%并比Jev快约20倍
该工作提出Chinese-Jev：用统一数据处理流程把异构中文标注转成候选选项上的概率目标，先以1000万条通用中文决策预训练轻量编码器模型，再分别针对医疗、法律、金融微调，并发布含307,900条留出决策的CJ-Bench；预训练后在通用任务上准确率69.20%，相对闭源Jev提升1.24%，期望校准误差从11.45%降至3.78%，延迟14毫秒，医疗微调后准确率比Jev高4.0%，三个专业领域平均达到Jev的92%，平均延迟15毫秒，INT8量化模型可在手机浏览器上约1秒完成一次决策。