2026年10月12日,Thomas Wolf发帖提及开放的决策模型,但帖文没有展开技术分析。在这一方向上,一份标注为2026年9月的Decision 1.0论文给出了具体实现:论文作者提出六款开放权重模型,让软件提供状态、问题和可选结果,再直接取得各选项的概率,而不是从生成的文字中解析答案。
这类接口适合软件已经知道可能采取哪些动作、却需要判断应选哪一个的环节。例如,程序可以把允许的处理结果作为候选项交给模型,再依据返回的概率设定后续规则。Decision 1.0的六款模型横跨双向编码器和因果解码器,其中Lex面向工作流任务。论文还称已发布模型权重和推理实现,使开发者可以在自己的任务上测试这些判断,而不只依赖论文中的排名。
它提供三种判断形式:Choice返回候选项的概率分布及最高概率选项;Noul给出布尔判断中“真”的概率;Score给出有序评分等级的分布及期望值。候选项由应用在调用时定义,不必固定为训练时的一组标签。不过,如果证据不足,而应用希望模型能回答“未知”或放弃判断,就必须自行把这一结果列入选项;接口不会自动为封闭选项集增加弃权答案。
论文作者在涵盖54个任务切片、3766个计分判断的通用基准上比较模型。在所公布的结果中,Lux-9B的显式决策面板准确率为84.17%,推断面板为91.25%,加权综合分为77.22%。这里的百分比是基准任务成绩,不是部署后自动处理请求的成功率。综合分由五个面板加权得到,权重是在观察结果后选定的;作者也说明,开发期间反复观察过基准中的大部分内容,因此这不是一次全新的盲测。
同一张表揭示了能力的不均衡。Lux-9B在组合任务面板得52.75%,在迁移面板得77.63%;对照的Jev 1.13.0分别为66.38%和87.19%。组合任务涉及相互作用的约束和状态变化,迁移面板使用外部任务集。由此至少可以看出,在这套评测中,显式决策表现较好,并不意味着模型同样擅长处理多步约束或迁移到其他任务。
工作流专用模型Lex也没有形成确定的领先结论。在另一项由400组状态构成、包含2000个判断的测试中,论文报告Lex准确率为78.15%,官方Laya专用模型为76.60%。两者相差1.55个百分点,但这一差值的配对组自助抽样95%区间为−0.20至+3.15个百分点,包含零;论文认为不能据此确认Lex具有总体优势。
对于要按概率阈值自动执行操作的软件,仅看最高概率选项是否正确还不够。论文报告,在迁移评测的概率质量比较中,Lux-9B的预期校准误差为5.56%,高于Kev-9B的4.45%和Jev 1.13.0的3.35%;误差越低,预测概率与实际正确频率越接近。候选项顺序也仍是稳健性问题,论文没有声称模型对选项重排天然保持不变。
速度同样不能仅凭“不生成文字”推定。论文说,每个问题经过一次完整前向计算即可得到候选项概率,但当前实现不会跨问题复用状态计算;作者明确指出,省去输出词元生成本身,尚不足以证明它比只生成一个词元的分类方法延迟更低。对准备把模型接入路由或审批流程的团队,开放权重和可定义选项提供了试验入口,是否能可靠、经济地替代现有判断环节,仍需用自身任务检验准确率、概率质量与端到端耗时。
参考来源:
