RLCD^2

StartLux-Decision模型首次亮相，采用RL进行校准推理

研究人员推出了StartLux-Decision，这是一套参数量从0.8B到27B不等的决策模型，它将高效的单次预测与自适应推理相结合。这些模型具有用于直接回答的“Instant”变体和用于不确定决策进行显式推理的“AutoThink”变体。开发了一种新颖的训练流程和一种称为RLCD^2的强化学习方法，以提高决策概率质量并缩短推理链长度，从而在Decision Index 0.3和DecisionPivot等基准测试中显著提高了准确性和效率。