Decision Models
PulseAugur coverage of Decision Models — every cluster mentioning Decision Models across labs, papers, and developer communities, ranked by signal.
10 天有情绪数据
-
评估AI中的决策模型
本文讨论了决策模型的评估，重点关注其性能和潜在应用。文章深入探讨了用于评估这些模型的方法，并强调了影响其有效性的关键因素。文章还触及了决策模型在AI领域中的更广泛影响。
-
CURATOR模型改进了检索增强生成的证据选择
研究人员开发了CURATOR，这是一种通过改进从检索到的段落中选择证据的方式来增强检索增强生成（RAG）的新方法。传统的RAG方法通常将整个段落传递给语言模型，即使只有一小部分包含相关信息，也会导致上下文利用效率低下。CURATOR采用了一种经过微调的决策模型，该模型可以同时有效地评估多个证据跨度，在提高证据识别准确性的同时保持计算效率。该方法已证明能够跨不同任务和文档领域进行泛化，从而提高RAG性能，尤其是在上下文有限的情况下。
-
超越RAG，使用OpenAI决策模型构建AI合同审查代理
本文详细介绍了如何通过超越传统的检索增强生成（RAG）技术来构建一个智能合同审查代理。文章概述了一个实用的教程，该教程结合了混合检索方法、OpenAI的决策模型（Choice和Score模型）以及Responses API来增强代理能力。该方法旨在为合同分析等复杂任务创建更复杂的AI代理。
-
Microsoft、JetBrains 和 Hugging Face 发布更新和新功能
Microsoft 发布了其集成开发环境的新版本 Visual Studio 2026 LTSC 18.11。同时，JetBrains 发布了 Rider 2026.3，其中包括对 .NET 11 的支持，并引入了一项名为 JetBrains Air 的新功能。在相关的 AI 新闻中，Hugging Face 详细介绍了其决策模型的方法。
-
超越大型语言模型：探索概念模型和JEPA架构
本文探讨了传统大型语言模型（LLMs）之外的替代性AI模型，这些模型主要关注下一个词元的预测。它介绍了大型概念模型（LCMs），该模型可以预测表示为向量的整个句子，提供与语言无关的能力，并在思想层面进行规划。文章还讨论了联合嵌入预测架构（JEPA），其目标是预测缺失数据的含义或表示，而不是重建原始像素或词元，从而实现更有效和类似人类的推理。
-
Hugging Face 推出决策模型以实现结构化 AI 输出
Hugging Face 正在推出“决策模型”，这是一种新型模型，旨在直接输出结构化决策和概率，而不是生成自由文本。这些模型特别适用于路由客户支持工单或分类信息等任务，这些任务需要预定义的答案集。与可能难以遵守模式或需要复杂约束解码的传统 LLM 不同，决策模型经过优化，可以为已知选项分配概率，为特定的结构化任务提供了更可靠、更高效的方法。
-
Perplexity Decider V1.2 在 7 种专业决策模型基准测试中领先
一份新的基准报告评估了七种专业决策模型在 2,826 项真实技术决策中的表现，数据来源于 GitHub、Firefox 和 CVE 数据库。Perplexity Decider V1.2 因其出色的准确性、成本效益和开源许可证而成为首选推荐。Nace Drex Max v1.1 紧随其后，在领域特定分类方面表现出色，而 GPT-6 Luna Decisions 在准确性和置信度校准方面表现最差。
-
Nace AI 详细介绍 Drex 决策模型及新颖训练技术
Nace AI 发布了其 Drex 系列决策模型的详细信息，该系列模型旨在处理状态和问题，输出概率分布，无需自回归解码。模型包括 Drex DLM、v1.5、v2.0 和 Max，采用了扩散 LM、门控 DeltaNets 和稀疏 MoE 等各种架构。Nace AI 采用了诸如基于调整反馈的强化学习 (RLAF) 和一致性训练等技术来提高性能，在决策指数 (Decision Index) 等基准测试中取得了高分，并展示了低校准误差。D…
-
决策模型在经济模拟中表现优于LLM
一类名为决策模型（DMs）的新型AI模型被评估为经济模拟的潜在人类代理。与大型语言模型（LLMs）相比，Frontier DMs在三个不同的经济环境中展现出更强的复制人类行为变异性的能力。研究还发现，这些DM比LLMs速度更快、成本更低，这表明它们可以使大规模经济模拟更加实用。
-
决策模型在经济模拟中表现优于LLM，提供更快、更便宜的人类替代模型 · 跟踪2个来源
一类名为决策模型（DMs）的新型AI模型已被评估为经济模拟和调查中人类的替代模型。与大型语言模型（LLMs）相比，这些DM在响应时间和成本方面表现出更快的速度和更低的成本，同时还能更好地捕捉人类在不同经济环境下的行为差异。具体而言，在决策基准测试中表现出色的Frontier DM，在支出调查、经济博弈和劳动力市场实验中，比LLMs更准确地复制了人类的响应差异，尽管它们在经济博弈中的效果较差。
-
AWS 增强 Bedrock AgentCore 的新 AI 代理和数据功能；Meta 详解广告 ML 加速
AWS 正在通过新的 AI 代理和数据集成功能来增强其 Amazon Bedrock AgentCore 平台。该平台现在支持 Taxbit Assist 等基于事实、具有角色意识的 AI 代理，并提供使用决策模型进行评估的功能。此外，AWS 正在通过 Amazon Quick 改进数据处理，并为 Bedrock AgentCore Gateway 中的 ServiceNow 等服务启用令牌交换。与此同时，Meta 正在详细介绍其 F…
-
System-1 决策模型在取代 RAG 重排器方面效果不一
一项新的研究论文评估了 System-1 风格决策模型是否能有效取代检索增强生成 (RAG) 系统中的专用重排器。虽然这些模型有可能提高延迟，但它们的性能并不一致，尤其是在候选集较长的情况下。调整候选文本长度可以提高可靠性，但经过优化的重排器通常仍然更快、内存效率更高。研究表明，虽然决策模型可以提供具有竞争力的重排，但需要对质量、延迟和内存进行全面评估，而优化现有重排器可能是更实际的第一步。
-
全球对AI的态度分歧加剧；青少年采用生成式AI；决策模型日益普及
Ipsos的一份新报告显示，全球对人工智能的态度分歧日益加剧，相当一部分人对其未来既感到惊叹又感到担忧。另外，Common Sense Media的研究强调了青少年对生成式AI的日益普及及其对家庭和学校环境的影响。此外，VentureBeat探讨了数据团队如何利用Jevíčko等决策模型来处理传统SQL规则无法解决的复杂场景。
-
决策模型成为关键AI基础设施组成部分
决策模型正成为AI基础设施的重要组成部分，可能取代大型语言模型（LLM）运营的某些方面。这一转变表明AI正朝着更结构化和确定性的方法发展，这可能成为AI经济中的主导趋势。
-
用户讨论决策模型的显存和量化
用户正在寻求关于运行决策模型的指导，特别是询问量化敏感性和显存使用情况。他们注意到vllm已经发布了一系列决策模型，并且llama.cpp已经支持它们。用户担心决策模型是否像自动补全模型一样，需要更高的量化（例如Q8而非Q4）来维持质量。此外，他们还想知道这些模型是否比其标称大小消耗更多的显存，以及这些额外的显存是用于什么，考虑到决策模型可能没有像标准LLM那样的传统“上下文”。
-
TypeSafe AI 为 Jev 决策模型融资 8.7 亿美元，估值 75 亿美元 · 追踪 9 个来源
TypeSafe AI 在推出其名为 Jev 的“决策模型”几周后，已成功融资 8.7 亿美元，估值达到 75 亿美元。这种新型 AI 模型输出结构化选择（如概率或分数）而非自由文本，已获得快速采用，TypeSafe 声称财富 500 强公司中已有三分之一在使用它。OpenAI、Microsoft 和 Cloudflare 等竞争对手也发布了类似的决策模型，凸显了专注于自动化而非文本生成的 AI 市场的蓬勃发展。
-
llama.cpp 推出决策模型，增强 LLM 推理能力
llama.cpp 项目推出了名为“决策模型”的新功能，该功能允许在大型语言模型中进行更复杂的推理和决策。此增强功能旨在通过使模型能够基于各种因素做出选择来提高其处理复杂任务的能力。集成细节已在博客文章中公布，并通过 llama.cpp 存储库提供。
-
Unsloth 发布 Beta 版，支持 Laya 决策模型并加速媒体生成
Unsloth 发布了 0.1.900-beta 版本，引入了对 Laya 决策模型以及用于管理文档和媒体的统一库的支持。此次更新显著提高了图像和视频生成速度，LTX-2.3 剪辑速度大约快 4.5 倍，VAE 解码速度快 6.3 倍。该版本还为 Apple Silicon 用户带来了重大改进，例如批量服务和 TurboQuant KV 缓存，以及新的 Skills Editor 和从 ModelScope 下载模型的选项。