用 Qwen3-0.6B 手把手训练你自己的决策模型

dl_weekly · x · 2026-11-01

自 TypeSafe AI 九月发布 Jev 后，「决策模型」（对固定答案集直接输出概率而非生成文本）迅速走红，两天内出现六个开源复刻。
Comet 发布实操教程，指出决策模型与 LLM 结构化输出的本质区别：后者逐 token 生成、成本随答案长度增长、概率只描述下一 token；决策模型单次前向就给出每个候选答案的概率，且概率经过训练以匹配答案的真实正确频率。
教程在 transformer 骨干上用 Qwen3-0.6B 从头构建一个小型决策模型，用 Comet 跟踪训练过程，并在 Opik 中验证其校准等关键性质，结论是校准能力来自训练方式而非模型架构。
附 GitHub/Comet/Opik 项目链接，可完整复现。

「编程与Agent」频道最新