Same-Number Citation Swaps: Stress-Testing Jev as a Financial Evidence Judge

arxiv · arXiv · 2026-10-07 00:57 · 评分 65

评估 Jev 作为金融证据验证器对 GPT-4.1-mini 计算痕迹的验证效果。针对数字正确但引用财务角色错误的“同号引用交换”问题，测试概率证据验证相比数字匹配的增量价值。