Компания StartLux выпустила StartLux-Decision v1.1 — семейство открытых моделей принятия решений, а ее модель 27B Instant теперь возглавляет рейтинг Decision Index 0.3.2 на Hugging Face. StartLux — инкубационная компания Genora.
Decision Index — это общедоступный рейтинг, поддерживаемый сообществом, и он не связан с TypeSafe. По состоянию на 16 октября модель 27B Instant заняла первое место с общим баллом 69,12. Она также лидировала по всем трем показателям: 72,88 по общедоступным тестам, 64,82 по закрытым тестам тех же навыков и 61,41 по закрытым задачам из новых областей. Модель, занявшая второе место, vLLM-SR d3, получила 66,26 балла, а Jev 1.14 — 61,53.
Модели созданы для выполнения узкой, практической задачи. Получив состояние (текст, JSON или изображения) и набор типизированных вопросов, модель возвращает вероятность для каждого варианта: выбор из списка, суждение «да/нет» или уровень по шкале. Модели Instant отвечают за один прямой проход, используя двунаправленное внимание к запросу. Модели AutoThink отвечают так же, когда уверены, но когда вероятность лучшего варианта падает ниже порога (по умолчанию 0,6), они записывают краткий след рассуждений, а затем снова читают ответ.
Линейка включает восемь открытых моделей с параметрами от 0,8B до 27B в вариантах Instant и AutoThink, с квантованными форматами GGUF и MLX. Они работают на vLLM и MLX. Веса выпущены под лицензией CC BY-NC 4.0, которая запрещает коммерческое использование.
В общедоступной подвыборке Decision Index 0.3 StartLux сообщает собственный результат 73,37 для модели 27B AutoThink при пороге 0,9. Компания также представила DecisionPivot — собственный эталон верифицируемых решений, построенный на основе контрастных пар, различающихся одной деталью, меняющей ответ, охватывающий политики, реестры, расписания, разрешения и вызовы инструментов. StartLux сообщает о 86,9% точности пар для модели 27B AutoThink на этом эталоне. Оба показателя являются данными, предоставленными компанией, а не независимыми результатами.
В техническом отчете, опубликованном на arXiv под номером 2610.17309, описан трехэтапный конвейер обучения и метод обучения с подкреплением под названием RLCD-squared. Он вознаграждает более точно откалиброванные вероятности решений с использованием правил надлежащей оценки и мягко наказывает за чрезмерно длинные рассуждения. Авторы утверждают, что это сократило среднюю длину рассуждений до 65%, в значительной степени сохраняя точность.
Демонстрации на сайте проекта показывают, как модели делают пошаговые вызовы в шахматах, Super Mario Bros., StarCraft II и при выполнении задачи покупок с использованием компьютера, с одним типизированным запросом на каждом шаге.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Pandaily
