AI图鉴

AI图鉴首页 › AI 资讯 › 又一国产决策模型发布:面向企业高频判断任务,23 项开源基测准确率超过微软和 J

又一国产决策模型发布:面向企业高频判断任务,23 项开源基测准确率超过微软和 JEV

来源:InfoQ中文 · 发布时间:10-22 · 由 AI图鉴每小时自动聚合

本条资讯的摘要暂未整理出来,可点击下方按钮查看原文;本站每小时自动补充中文摘要。

10 月 22 日,蚂蚁数科发布决策模型 LingDT-Decision-1.0,提供 4B 和 27B 两个参数规模版本,主要面向智能客服、安全风控、金融等企业应用场景。与侧重文本生成的通用大语言模型不同,该模型主要处理意图识别、任务分类、工具选择及风险判断等结构化决策任务,目前已上线蚂蚁数科 DTMaaS 平台,开发者可限时免费体验。

根据蚂蚁数科公布的测试结果,在部分企业业务场景中,LingDT-Decision-1.0 相比所选通用大语言模型,Token 消耗降低超过 90%,任务处理速度最高提升约 10 倍。在覆盖 23 项开源基准的评测中,其 27B 版本的综合评分超过了 Microsoft-Decision-1、Jev 1.13.0 及 Fastino/GLiDE 等决策模型。

减少文本生成环节,面向高频决策任务优化

在企业业务系统中,并非所有 AI 任务都需要生成完整的自然语言回答。大量实际需求是对输入信息进行识别、分类,再根据判断结果执行后续操作。

例如,在智能客服场景中,当用户提出“订单三天还没发货,请尽快处理”时,系统首先需要判断用户意图是催单、退款还是投诉,随后确定工单优先级、处理部门以及是否需要人工介入。这类任务通常具有明确的候选选项,更看重判断准确率、处理时延和调用成本。

通用大语言模型同样能够处理这些任务,但在一些实现方式中,需要先生成文本或结构化答案,再由业务系统解析和校验。对于调用频率较高、选项相对固定的业务,这一过程可能增加 Token 消耗和处理时间。

LingDT-Decision-1.0 采用了不同的处理思路,将部分需要生成答案再解析的任务,转变为在预设候选选项中直接进行判断,从而减少不必要的文本生成及后处理环节。

蚂蚁数科披露,目前该模型已在智能客服、安全风控及金融应用等业务中开展测试。其中,在数据标注场景中,相比 DS-V4-flash,LingDT-Decision-1.0 的 Token 消耗降低约 97%,任务处理速度提升约 10 倍。在智能客服场景中,相比 Qwen-3.7-flash,Token 消耗降低约 90%,处理速度提升约 1 倍,风险识别准确率由 76%提高至 89%。

金融应用方面,测试覆盖意图识别、工具调用和幻觉检测等任务。

蚂蚁数科数据显示,模型在相关任务中的处理速度提升约 5 倍,工具组合完全匹配率提高约 2.6 倍,幻觉召回率由 44%提升至 70%。

支持多选和按序决策,处理复合业务需求

除常见的单选、分类和评级任务外,LingDT-Decision-1.0 还增加了原生多选和按序决策能力,用于处理包含多个目标或存在执行依赖关系的业务请求。

以智能客服为例,假设用户提出:“我要退款、关闭续费、补开发票,但不要注销账号。”

对于只支持单一意图分类的系统而言,如果将整段请求归入退款类别,就可能遗漏关闭续费和补开发票等其他需求。

LingDT-Decision-1.0 的多选能力允许同一请求同时匹配多个候选结果,使系统能够识别复合意图,并为后续工具调用提供判断依据。

按序决策则进一步处理任务之间的依赖关系。针对上述请求,系统不仅需要识别多个操作,还需要判断哪些任务可以独立执行,哪些任务必须等待前置条件满足。例如,退款前需要完成订单核验,发票处理可能需要参考退款结果,而关闭自动续费可能不依赖退款流程。

这一功能采用有向无环图(DAG)的任务依赖关系表示方式,主要面向多步骤决策场景。

不过,识别任务依赖关系并不等于模型能够独立完成全部业务操作。对于涉及资金、账户权限及风险控制的任务,仍需要与企业现有业务规则、权限系统及执行工具配合。

23 项开源基准测试,27B 版本综合评分超过多款决策模型

在模型能力评测方面,蚂蚁数科公布了 LingDT-Decision-1.0 与其他决策模型的对比结果。

据其介绍,相关评测覆盖 23 项开源基准,采用单选评分占 90%、多选评分占 10%的加权方式计算综合成绩。在这一评测设置下,LingDT-Decision-1.0 的 27B 版本综合评分位居参评模型首位,高于 Microsoft-Decision-1、Jev 1.13.0 及 Fastino/GLiDE 等模型。

具体而言,在多选任务测试中,LingDT-Decision-1.0 的 4B 和 27B 版本准确率均超过包括 Microsoft-Decision-1、Jev 1.13.0 及 Star-lux 在内的 16 款参评决策模型。单选任务方面,该模型也取得了相对靠前的成绩。

近期,面向固定选项判断的决策模型开始受到关注。微软 Microsoft-Decision-1、Jev 等模型均采用了与通用文本生成不同的技术路线,尝试通过直接判断候选结果来降低部分决策任务的时延和调用成本。

这类模型与通用大语言模型并不完全构成替代关系。前者侧重解决候选范围明确、结果能够结构化表达的任务,后者则适用于开放式问答、复杂内容生成和需要灵活推理的场景。

对于企业而言,决策模型的潜在价值在于将部分高频、重复性的判断任务从通用大语言模型中分离出来,减少生成式处理的开销。但在真实生产环境中,除了分类准确率,还需要考察模型对模糊请求、异常输入、错误选项及业务规则变化的适应能力。

但无论如何,LingDT-Decision-1.0 的发布,还是为企业高频决策任务提供了新的模型选择。

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

NeoGress AI

面向企业官网与外贸获客的一体化 AI 建站和持续增长平台,整合网站生成、可视化编辑、多语言发布、产品与文章管

Tale

Tale 是开源的人机协作项目工作空间,可让团队与 AI agents 共享任务、文件和对话,委派工作并审查

透镜GEO

面向企业和营销团队的 AI 搜索品牌监测与 GEO 决策平台,监测品牌在主流 AI 引擎中的排名、口碑与引用

Orkas

Orkas 是面向个人创业者和小团队的开源、本地优先桌面 AI 团队,可通过对话协调研究、文档、演示、视频和

相关免费羊毛

Anakin.ai

每日 30 个免费额度

Cloudflare Workers AI

每日 1 万神经元免费额度,50+ 开源模型

Cohere

每月 1000 次免费请求,专注 RAG

DeepSeek

新用户免费试用额度

同源资讯

企业 AI 越用越复杂,如何用一个 Gateway 管好模型、Agent 和成本?| 技术趋势

InfoQ中文 · 10-22

面向 Qwen 系列模型线性注意力的高性能优化实践

InfoQ中文 · 10-22

企业有需求,FDE 团队有能力,为什么 AI 项目仍难落地?

InfoQ中文 · 10-22

AI把整个软件生态打成筛子,全栈开发者的至暗时刻

InfoQ中文 · 10-22

GitHub 通过 AI 辅助重构,将 Copilot 运行时迁移至 Rust

InfoQ中文 · 10-22

豆包工作上线 IGA Pages 插件,一句话让网页变得可分享、可共创

InfoQ中文 · 10-22

阅读原文(infoq.cn)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 586 款 AI 工具分类导航 · 每日 AI 热门项目与动态