开源决策模型 Lumma-Fev 发布：单次前向打分替代 LLM 生成标签
kalyan_kpl · x · 2026-09-29
FrontiersMind 发布决策模型家族 Lumma-Fev，主张在结构化决策场景中，与其让 LLM 生成文本标签再解析（多付 token、承担解码延迟和格式漂移风险），不如让模型直接对给定选项打分。
工作方式：传入一个状态（工单文本、消息、文档片段）和一组问题字典，模型单次前向传播返回每个问题的最高选项和各选项的概率分布——无自回归解码、无 JSON 修复循环。适合工单路由、紧急度分级、自动化前的 yes/no 门控等场景。
- 四个尺寸：0.1B（154M）、0.6B（649M）、4B、9B，接口统一
- 全部 checkpoint 以 Apache 2.0 开源
- 博客给出 API 形态、返回结构、适用与失效场景及权重运行方法
「模型」频道最新
- 神秘模型「space bunny」霸榜 opencode 5 天,处理 40T tokens — evilrabbit_ · 2026-09-29
- Claude 用量额度大变宽:开发者称从勉强够用变成基本无限 — WhatTheLJW · 2026-09-29
- Cekura 语音模型实测:2214 通电话,Phonic 延迟最低 1.59 秒 — graceisford · 2026-09-29
- 用户实测:Opus 5.5 跑 OpenClaw agent,称已比 GPT-5.6 更可信 — heyneighbor · 2026-09-29
- Bittensor 子网去中心化训练出 36B 模型，称超越 Qwen3.6 35B — markjeffrey · 2026-09-29
- Claude Design 经验被内化进 Opus 5.5,视频生成中仍见其影子 — dotey · 2026-09-29