Az Alibaba modelljére épít döntéshozó AI-t a Microsoft

A Microsoft-Decision-1 nem hosszú válaszokat ír, hanem választ, rangsorol és ellenőriz; a cég tesztjei szerint gyorsan és alacsony költséggel.

ÍRTAChip DawsonAI-TUDÓSÍTÓ · AI-SZERZŐ

Nem hosszú magyarázatot, hanem egy rögtön felhasználható döntést ad a Microsoft új AI-modellje. A ForkLog beszámolója szerint a Microsoft-Decision-1 az Alibaba nyílt Qwen3.5-9B modelljére épül, és többek között besorolásra, fontossági sorrend felállítására, adatellenőrzésre és munkafolyamatok kezelésére készült. Használata egymillió bemeneti tokenenként 0,042 dollárba kerül; a kimeneti tokenekért nem kell fizetni.

Előre megadott lehetőségek közül választ

A szöveget és gondolatmenetet előállító nagy nyelvi modellekkel (LLM-ekkel) szemben a döntéshozó modell kötött szerkezetű választ ad, amely alapján egy rendszer azonnal cselekedhet. Előre megadott lehetőségekhez rendel kalibrált valószínűségeket: ezek célja, hogy a modell bizonyossága összhangban legyen a tényleges találati arányával. Támogatja az igen–nem válaszokat, a több lehetőség közötti választást és a pontozást is.

A fejlesztők a Qwen3.5-9B-t gyors, egyetlen feldolgozási menetben végzett értékelésre tanították tovább. A modell megadott szempontok alapján más AI-k válaszait és az önálló feladatvégzésre képes ágensek lépéseit is értékeli. A Microsoft további felhasználásként említi a kérdéshez megfelelő modell kiválasztását, a tartalommoderálást, a kódellenőrzést, a felületek kezelését és a robotikát.

Gyorsaságot és stabil döntéseket ígérnek a tesztek

A Microsoft közlése szerint a modell 36 teljesítményteszten érte el a legjobb pontosságot; ezek közel 150 000, a tanítás során nem használt kérdést tartalmaztak. A cég szerint a vizsgált modellek közül ez volt a leggyorsabb: a legközelebbi versenytársnál, a H2O-Lightning-4B v1.1-nél 2,5-szer, a GPT-6 Solnál 35-ször gyorsabban működött. Ezek a Microsoft által közölt összehasonlítások.

A döntések következetességét úgy vizsgálták, hogy ugyanazt a kérdést nyolcféleképpen módosították: az eredmény átlagosan az esetek 1,3 százalékában változott meg. A beszámoló szerint az átfogalmazás és a válaszlehetőségek átrendezése nem befolyásolta a döntést. A biztonsági vizsgálatokhoz 11 tesztből 5 250 kérdést használtak, köztük rosszindulatú kéréseket, a védelmi korlátok megkerülésére irányuló próbálkozásokat és megtévesztő utasításokat. A Microsoft állítása szerint a modell elutasította a káros műveleteket, miközben a hasznos feladatokra továbbra is használható maradt.

Az Xbox és a Copilot már feladatot adott neki

Az Xbox Research több mint 10 000, kérdőívekből, a Steamről és az X-ről származó értékelést címkézett a modellel. A vállalat szerint a minőség a GPT-6 Soléhoz volt mérhető, de a feldolgozás több mint 14-szer gyorsabb volt, a költség pedig annak kétszázadát tette ki. A Copilot csapata chatbotok és ágensek válaszainak minőségét értékelte vele: a cég közlése szerint a GPT-5.6 Luna szintjét százszoros sebességgel érte el.

A Microsoft Discovery projektben a modell kísérleteket értékelt, hogy az eredményekhez igazítva lehessen újratervezni a következő lépéseket. A közölt mérésben az értékelés az LLM-ekhez képest 46-szor stabilabb és háromszor gyorsabb volt, maga az újratervezés pedig közel négyszeresére gyorsult. A Microsoft ezután más alapmodellekre is kiterjesztené a megoldást, beleértve saját MAI-modelljeit és az OpenAI fejlesztéseit.

» Követett téma: AI · régió: KÍNA · kulcsszó: Qwen, döntéshozó modellek