★ 4
微软基于阿里 Qwen 推出决策模型 Microsoft-Decision-1
微软基于阿里Qwen推出全新决策模型Microsoft-Decision-1，该模型基于Qwen3.5-9B后训练而成。在结构化决策任务中，其在时延和准确性方面均超过现有LLM及Jev 1.13.0等热门决策模型，微软称或将推广至所有领域。
36氪21 天前
#决策模型
共 46 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
DecisionRank：用同策略蒸馏训练决策模型重排器
论文提出 DecisionRank，通过物品空间同策略蒸馏（OPD）把生成式大模型的排序知识迁移到决策模型，解决教师输出文档 ID 排序序列、学生仅用首 token 分数排序的错配问题。在 TREC DL、BEIR、BRIGHT 等检索基准上取得 SOTA，1.7B 版本即超过 27B 生成式教师…
arXiv NLP3 小时前
★ 3
研究：决策模型可作低成本幻觉检测裁判，部分类型仍不及 GPT-6 Sol
论文构建覆盖五类幻觉的二元基准（6 个数据集 9852 条），比较五个决策模型与生成式裁判 gpt-6-sol。最佳决策模型在上下文不一致上与 gpt-6-sol 持平、事实错误差 3 个百分点，但逻辑与指令不一致落后 4-8 个百分点。决策模型置信度偏高，级联方案可在 1-3% 成本下追平或超过…
arXiv NLP5 天前
★ 3
决策模型低成本识别 RAG 知识冲突类型，准确率比肩 Gemini
论文研究用单次前向输出概率的决策模型对 RAG 检索源冲突类型分类，在 CONFLICTS 基准上 11 个决策模型准确率 50%–67%，其中 10 个达到或超过 Gemini 2.5 Flash 的 61.3%，成本低 4–39 倍、延迟低 2.6–6 倍。将低置信查询级联给 Gemini 3…
arXiv NLP5 天前
★ 3
StartLux 开源决策模型推理引擎 Prism，单卡最高提速 5.3 倍
StartLux 开源了专为决策模型设计的推理引擎 Prism，针对决策类模型的推理流程进行优化，单卡最高可提速 5.3 倍。该引擎填补了决策模型缺乏专用推理引擎的空白，有望提升强化学习与决策类应用的部署效率。
InfoQ AI9 天前
★ 3
arXiv 发布 RetiJev：眼科决策模型 158ms 单卡推理
论文提出面向眼科临床决策的 RetiJev 系列模型（0.8B–9B），直接对候选答案打分而无需自回归解码，并配套发布 7.8 万条临床决策问答与 5 万条指南分级问题的数据集。各规模模型在指南分级上比 27B LLM 与商用 Jev 1.13 高 10.4–23.0 分，RetiJev-9B 单…
arXiv NLP10 天前
★ 3
蚂蚁数科发布决策模型 LingDT-Decision-1.0
蚂蚁数科正式发布专为快速决策打造的决策模型 LingDT-Decision-1.0，在处理结构化决策任务时准确率更高、响应更快、Token 成本更低，适合产业 AI 场景。模型提供 4B 和 27B 两个版本，已在 DTMaaS 平台上线并限时免费体验。
36氪10 天前
★ 3
国产决策模型发布，23 项开源基测准确率超微软与 JEV
一款面向企业高频判断任务的国产决策模型发布，官方称在 23 项开源基准测试中准确率超过微软与 JEV 的对应方案。该模型主打企业场景下的高频决策判断，具体技术细节与开源情况尚待披露。
InfoQ AI10 天前
★ 3
OpenAI 全面开放决策模型，与 Jev 正面竞争
OpenAI 将其决策模型向所有用户开放，此前该模型仅限部分用户使用。此举被视为对同类产品 Jev 的直接挑战，决策模型赛道的竞争正在升温。
TechCrunch AI10 天前
★ 3
蚂蚁数科发布决策模型 LingDT-Decision-1.0
蚂蚁数科正式发布决策模型 LingDT-Decision-1.0，官方称其准确率超过微软及 Jev 等同类决策模型。该模型面向企业决策场景，标志国产决策大模型赛道再添一员。
量子位10 天前
★ 3
研究：决策语言模型 Jev 可低成本替代临床 AI 的 LLM 评审
一篇 arXiv 论文提出决策语言模型 Jev，用于对临床生成式 AI 的输出做结构化评判。在儿科问答、HealthBench 与 MedHELM 等四项评测中，Jev 与医生评分的吻合度接近或超过 Claude Opus 5.5、GPT-6 等前沿 LLM 评审，而成本仅为后者的 1/73 至 …
arXiv cs.AI11 天前
★ 3
Cloudflare 开源 AI 智能体决策模型 Clef
Cloudflare 开源了面向 AI 智能体的决策模型 Clef，用于支撑智能体在任务执行中的判断与选择。此举意在为智能体基础设施提供开放可用的决策组件，降低开发者构建智能体应用的门槛。
InfoQ AI11 天前
★ 3
StartLux 登顶决策模型榜单，挑战 Jev
StartLux 在决策模型榜单上超越 Jev 登顶，并引入「拿不准再想」的推理机制。该进展显示国内团队在决策类模型上正快速追赶国际领先水平。
InfoQ AI13 天前
★ 3
StartLux-Decision-v1.1-27B 登顶 Hugging Face 决策榜
中国 AI 创业公司 StartLux（原点星辉）推出的 StartLux-Decision-v1.1-27B Instant 以 69.1 分登顶 Hugging Face Decision Index 0.3.2 榜单，领先第二名近 3 分，是唯一突破 69 分的模型。距其首代模型发布仅十余天…
36氪15 天前
★ 3
LEV：循环决策模型实现按需深度推理
论文提出 LEV，一种通过循环重跑网络层而非生成 token 来加深推理的决策模型，单次前向即可给出选项概率，同一权重可在任意深度作答。2.6B 的 LEV 在 JevBench 上从深度一的 63.2% 提升至深度四的 76.2%，按需深度可节省 15% 至 24% 计算量，且 1.4B 与 3…
arXiv cs.AI17 天前
★ 3
Clef-Flash 决策模型：QLoRA 微调实现临床疾病分类
研究者基于 Qwen3.5 骨干的 90 亿参数决策模型 Clef-Flash，采用 4 比特 QLoRA 微调进行 24 类疾病分类，诊断准确率达 95.42%，超越 ClinicalBERT 的 90.90%。单次前向传播推理每记录不到 80 毫秒，比生成式 LLM 基线快 31 倍，并引入留…
arXiv NLP19 天前
★ 3
Liquid AI 开源决策模型 d1，单次前向传播出答案
Liquid AI 在 Hugging Face 发布开源决策模型 d1，主打单次前向传播即可给出决策答案，无需链式推理或多步生成。该模型面向智能体与自动化决策场景，强调低延迟与可部署性。
Hacker News – AI23 天前
★ 3
微软发布 Decision-1 快速决策模型
微软推出名为 Decision-1 的模型，主打快速决策场景。该消息在 Hacker News 上获得 87 分热度与 30 条评论，引发开发者对专用决策模型实用性的讨论。
Hacker News23 天前
★ 3
Ollama 支持 Jev 风格决策模型
Ollama 0.35 新增 /v1/systemone 端点，基于 TypeSafe 的 Jev API 支持本地决策模型，可对文本一次性回答是/否、选项与评分问题并给出各选项概率。本地运行延迟极低，Nimble 9B 在 M5 Max 上平均每次决策约 91ms，适合工单分流、模型路由与内容安…
Ollama Blog34 天前
★ 3
LAVOIR：让单次决策编码器学会提问
论文提出 LAVOIR，将候选缺失信息槽位与答案选项并列输入，使单次前向传播同时输出决策分布与各槽位的期望信息价值，从而决定是否向用户提问。VOI 目标无需人工标注，在受控实验中决策接近贝叶斯上限，提问策略与贪心 oracle 相当，每轮最多 0.5 次提问即比从不提问准确率高 14.1 个百分点…
arXiv cs.AI35 天前
★ 3
一年前我用 RL 构建非自回归决策模型
一位开发者在 Hacker News 分享其一年前用强化学习构建非自回归决策模型的经历，引发大量讨论。该帖获得 1195 分热度与近 300 条评论，反映出社区对非自回归生成与 RL 结合方向的浓厚兴趣。
Hacker News43 天前
★ 2
spinf-serve 开源：单卡批量打分与决策推理服务器
开发者发布 Apache 2.0 许可的 spinf-serve 推理服务器，可在单张 24GB 英伟达 GPU 上对同一内容一次读取回答多个分类与决策问题，输出各选项概率而非生成文本，并提供 OpenAI 兼容 API。该引擎面向大规模新闻分类等批量场景，主打吞吐而非单请求延迟。
Hacker News2 天前
★ 2
研究：决策模型与生成式 LLM 医学选择题基准对比
论文在 1273 道四选一 MedQA 题目上对比 13 个决策模型与 15 种生成式 LLM 配置。生成式配置准确率 78.32%-96.86%，高于决策模型的 67.71%-89.08%；但决策模型在成本与延迟上有优势，Mercury Decide 每千题成本最低（0.0069 美元），Cle…
arXiv NLP3 天前
★ 2
研究提出候选形式化器衔接开放式任务与快速决策模型
论文针对生成式后端无法提供明确候选列表的接口鸿沟，训练小型候选形式化器从任务上下文构造显式且经验证的备选项，再由冻结的决策模型选择。在 CALVIN-D 评测中，微调形式化器使本地决策模型任务成功率从 11.8% 提升到 52.6%，端到端延迟 2.09 秒，优于 Qwen3.5-27B 的 3.…
arXiv cs.AI5 天前
★ 2
TypeSafe AI 发布 Jev 决策模型：只返回类型化概率不输出文本
TypeSafe AI 推出名为 Jev 的决策模型，其输出不是自然语言文本，而是经过类型约束的概率分布。该设计面向需要结构化、可校验输出的决策类场景，试图降低 LLM 自由生成带来的不确定性。
InfoQ AI5 天前
★ 2
研究称 System One 决策模型并非更好重排器
论文在六个 Qwen 骨干（0.6B 至 27B）和十个检索数据集上比较决策微调与重排微调，发现决策微调从未带来更好重排效果。0.6B 至 9B 区间重排微调以 5 至 29 点 nDCG@10 领先，27B 时两者持平。作者结论：需要重排器就微调重排器。
arXiv NLP7 天前
★ 2
研究：多正确选项下决策模型概率分配失衡
论文评测 Jev、Liquid d1 与 GPT-6 Luna Decisions 三个决策模型在 MetaTool、HotpotQA、ECtHR 数据集上的概率分配。发现即使正确选项排序靠前，仍有 28%–50% 的列表里至少一个正确选项概率低于均匀值 1/n；给同一正确选项五个副本时，概率差距…
arXiv cs.AI11 天前
★ 2
开发者推出 FightBench 基准，用《真人快打 II》评测 AI 决策模型
开发者创建 FightBench 基准，通过让 AI 决策模型游玩世嘉 Genesis 版《真人快打 II》来评估其决策能力，读取游戏内存而非像素。Cloudflare Workers AI 的 Clef-flash 模型在 VeryHard 难度下击败 CPU，每轮约消耗 6008 tokens…
Hacker News – AI13 天前
★ 2
研究揭示测试语言左右决策模型对孟加拉语习语的判断
论文审计三类非生成式决策模型（编码器打分器、解码器打分器与闭源 API），用带字面义与比喻义标注的孟加拉语习语做输入干预实验。把习语自身的字面释义塞进选项列表后，各模型 65%–96% 的剩余孟加拉语错误被吸引过去；同一批条目上孟加拉语被捕获的概率是英语的 1.9–6.4 倍。三类模型校准均退化，…
arXiv NLP14 天前
★ 2
表格数据上的类型化决策模型
论文研究类型化决策模型（返回每个答案概率而非生成文本的语言模型）在表格数据上的表现，比较四种决策模型与三种大语言模型。决策模型以更低成本达到与 LLM 相当的性能，且对问题表述更稳健。但所有模型对表格组织方式都不稳健，至少三分之一的决策在重写下会改变。
arXiv NLP18 天前