StartLux-Decision 发布:RL 训练的校准决策模型,27B 得分 72.8
startlux-models · hf · 2026-10-15
Hugging Face 上线 StartLux-Decision 系列决策模型(0.8B 到 27B),主打单次前向预测 + 置信度引导推理,以更高效率实现可校准的深思决策。
- 训练方法:三阶段流水线,核心是 RLCD² 强化学习,让模型学会判断何时需要展开推理、何时直接作答。
- 评测:在自研 Decision Index 与 DecisionPivot 基准上评测;官方图表显示 27B 版本 DI 0.3 得分 72.8,9B 达 70.0,4B 达 67.9,0.8B 也有 53.8,按官方口径领先同规模其他决策模型。
- 定位:面向分类、路由、决策类任务,而非通用对话。
「模型」频道最新
- 用户实测：Grok 搜 X 帖子表现差，不如让 Opus 控制浏览器 — JasonBotterill · 2026-10-15
- KAUST 论文揭示「思维泄漏」:无思考模式 RL 增益只是旧能力回放 — kaust-generative-ai · 2026-10-15
- Cline 数据:Cline 上 Gemini 4 Argon 首日采用率为 Opus 5.5 的 3 倍 — JMateosGarcia · 2026-10-15
- 同一提示词让三个 AI 给 JUCE 混响插件做专业 UI，Grok 与 Opus 打平 — hullabaloo22 · 2026-10-15
- Cohere 研究员预告:自适应界面首批原型两小时内发布 — sarahookr · 2026-10-15
- Scale AI 新模型 Argon 评测曝光：长视频理解领先对手 18 个百分点 — zacharynado · 2026-10-15