电竞比分网-中国电竞赛事及体育赛事平台

關(guān)于ZAKER Skills GEO服務(wù) 合作
鈦媒體 32分鐘前

RSI 再創(chuàng)奇跡!StartLux 推出開(kāi)源決策模型 StartLux-Decision,38 項(xiàng)基準(zhǔn)中 31 項(xiàng)高于 Jev

鈦媒體注:9 月 30 日,上海人工智能公司 StartLux(原點(diǎn)星輝)推出開(kāi)源決策模型 StartLux-Decision,并一次性推出 0.8B、2B、4B、9B、27B 五檔版本,多項(xiàng)評(píng)測(cè)數(shù)據(jù)高于 TypeSafe AI 公司近期發(fā)布的 Jev 1.13。以下為 StartLux 官方發(fā)布文章原文,來(lái)源于微信公眾號(hào)StartLux

Jev 為大模型領(lǐng)域帶來(lái)了一條全新的技術(shù)思路,在決策效率與響應(yīng)速度上展現(xiàn)出很強(qiáng)的潛力。我們十分欣賞該團(tuán)隊(duì)的創(chuàng)新,也高度認(rèn)可這一技術(shù)方向。智能體真正執(zhí)行任務(wù)時(shí),每一步等待都會(huì)累積,最終影響用戶體驗(yàn)。

為此,StartLux(原點(diǎn)星輝)將團(tuán)隊(duì)自建的 Auto Research 方法用于決策模型研發(fā),用 3 天時(shí)間完成了 StartLux-Decision 的研發(fā)與驗(yàn)證,并一次性推出 0.8B、2B、4B、9B、27B 五檔版本。如此快速的迭代,得益于我們持續(xù)建設(shè)的 Auto Research 研發(fā)管線。這也是 StartLux 推進(jìn) RSI 的核心路徑之一,讓 AI 深度參與數(shù)據(jù)構(gòu)造、訓(xùn)練、評(píng)測(cè)與失敗分析,加快模型迭代。

在獨(dú)立的 Decision Index 0.2.1 評(píng)測(cè)中,27B 版本得分 63.88,38 項(xiàng)基準(zhǔn)中有 31 項(xiàng)高于 Jev 1.13;在上海人工智能實(shí)驗(yàn)室(上海 AI 實(shí)驗(yàn)室)發(fā)布 Intern-Decision 時(shí)采用的七項(xiàng)評(píng)測(cè)中,27B 平均準(zhǔn)確率達(dá)到 91.82%,同樣高于 Jev 的 88.74%。 [ 1 ]

本次發(fā)布的核心表現(xiàn)如下:

27B 版本決策綜合得分 63.88,38 項(xiàng)基準(zhǔn)中 31 項(xiàng)高于 Jev。在 Decision Index 0.2.1 上,這一成績(jī)比 Jev1.13 的 57.91 高出 5.97 分;9B 版本以 58.63 分超過(guò)這一公開(kāi)對(duì)照。

27B 版本七套測(cè)試平均準(zhǔn)確率達(dá)到 91.82%。高于 Jev 的 88.74% 和 Intern-Decision-4B 的 90.02%;公開(kāi) JevBench 答對(duì) 208/231 題,比 Jev 多 9 題,Hard 子集的 111 道難題少錯(cuò) 8 題。

一次回答三個(gè)問(wèn)題,4B 平均耗時(shí) 26 毫秒。在單卡 H200、BF16 的短請(qǐng)求測(cè)試中,0.8B、2B、9B 和 27B 分別為 12.2、15.5、35.7 和 102.3 毫秒。模型直接輸出選擇及概率,不必生成回答文本。

五檔規(guī)格覆蓋 0.8B 至 27B,支持本地部署。在 Decision Index 0.2.1 上,五檔模型均領(lǐng)先對(duì)應(yīng)公開(kāi)對(duì)照:0.8B、2B、4B、9B 均高于同尺寸公開(kāi)榜單最高分,27B 則高于當(dāng)日公開(kāi)榜首 Jev 1.13。五檔模型均提供原始權(quán)重及 Q8_0、Q4_K_M、BF16 三種 GGUF 版本。

* 以上為項(xiàng)目公布的測(cè)試結(jié)果。Decision Index 對(duì)照采用 2026 年 9 月 28 日公開(kāi)榜單快照,StartLux-Decision 為團(tuán)隊(duì)自測(cè);時(shí)延為特定硬件與短請(qǐng)求條件下的結(jié)果,詳細(xì)口徑見(jiàn)正文。

一次計(jì)算,完成多個(gè)判斷

一條業(yè)務(wù)信息,往往需要同時(shí)作出多個(gè)判斷。以客服工單為例,同一條 " 訂單被重復(fù)扣費(fèi),但仍顯示未支付 " 的信息,可以同時(shí)對(duì)應(yīng)三個(gè)問(wèn)題:交給哪個(gè)團(tuán)隊(duì)、今天是否需要處理、影響有多嚴(yán)重。StartLux-Decision 支持選擇題、是非題和等級(jí)評(píng)分,讓這些問(wèn)題可以在一次請(qǐng)求中共同完成,不必逐個(gè)生成回答。 [ 1 ]

* 工單分流演示:一次請(qǐng)求完成三個(gè)判斷。

從單步判斷走向連續(xù)網(wǎng)頁(yè)操作

連續(xù)執(zhí)行,來(lái)自每一步?jīng)Q策與頁(yè)面狀態(tài)的銜接。在網(wǎng)頁(yè)操作中,StartLux-Decision 每步回答兩個(gè)問(wèn)題:下一步操作哪個(gè)控件,任務(wù)是否已經(jīng)完成?執(zhí)行系統(tǒng)按模型的選擇操作頁(yè)面,再把更新后的狀態(tài)交給模型,進(jìn)入下一輪判斷。

在多重條件下完成商品篩選與下單

在購(gòu)物演示中,用戶要求購(gòu)買 " 最便宜、免運(yùn)費(fèi)的 8 節(jié)裝 AA 電池,并寄到家庭地址 "。模型需要同時(shí)考慮型號(hào)、包裝數(shù)量、價(jià)格和配送條件,不能只選擇頁(yè)面上最便宜的商品。最終,系統(tǒng)完成下單,并通過(guò)任務(wù)條件檢查。

* 購(gòu)物演示:篩選符合型號(hào)、包裝與配送條件的商品,完成下單并核對(duì)結(jié)果。

把成員邀請(qǐng)與權(quán)限設(shè)置銜接起來(lái)

在辦公協(xié)作演示中,任務(wù)是把指定成員邀請(qǐng)到 Design 團(tuán)隊(duì),并設(shè)置為 Editor。模型需要選對(duì)團(tuán)隊(duì)、成員和角色,再判斷邀請(qǐng)是否完成。同樣的方法可作為后臺(tái)配置、成員管理等流程中的操作決策環(huán)節(jié)。

* 團(tuán)隊(duì)管理演示:選擇 Design 團(tuán)隊(duì),邀請(qǐng)指定成員,并設(shè)置 Editor 角色。

注:上述演示由執(zhí)行系統(tǒng)提供頁(yè)面狀態(tài)和可選控件,輸入框通過(guò)候選建議項(xiàng)完成選擇;模型負(fù)責(zé)決策,系統(tǒng)負(fù)責(zé)執(zhí)行與結(jié)果檢查。它們展示的是受控環(huán)境中的連續(xù)操作,不等同于任意網(wǎng)站的自由輸入能力。

讓決策能力進(jìn)入動(dòng)態(tài)游戲交互

從網(wǎng)頁(yè)操作延伸到業(yè)務(wù)流程,同一套決策接口可以承擔(dān)更多明確的判斷任務(wù):客服系統(tǒng)選擇處理團(tuán)隊(duì),辦公助手判斷該使用哪個(gè)工具,工作流決定進(jìn)入哪條處理分支。開(kāi)發(fā)者提供業(yè)務(wù)狀態(tài)和合法選項(xiàng),模型負(fù)責(zé)在這些選項(xiàng)中作出判斷。需要撰寫郵件、填寫開(kāi)放式內(nèi)容時(shí),再由生成式模型接手。

游戲則提供了另一類測(cè)試環(huán)境:狀態(tài)持續(xù)變化,動(dòng)作執(zhí)行后很快就會(huì)產(chǎn)生反饋。在 Mario、DOOM、StarCraft II 和 JevBall 的演示中,StartLux-Decision 被接入各自的運(yùn)行環(huán)境,用于選擇移動(dòng)、跳躍、攻擊或其他候選操作。

Mario · 1-1 關(guān)卡

* 比較候選動(dòng)作的模擬結(jié)果,選擇移動(dòng)與跳躍。

StarCraft II · 策略決策

* 選擇建造目標(biāo)、兵種優(yōu)先級(jí)與攻防策略。

DOOM · Deathmatch

* 選擇目標(biāo)、是否開(kāi)火與移動(dòng)方式。

JevBall · 足球協(xié)作

* 為球附近的球員分別選擇傳球、射門等動(dòng)作。

根據(jù)本次發(fā)布記錄,StartLux-Decision 在 Mario 演示中完成了 1-1 關(guān)卡;在 StarCraft II 演示中,為人族機(jī)器人選擇建造目標(biāo)、兵種優(yōu)先級(jí)與攻防策略,并戰(zhàn)勝內(nèi)置 Hard 難度 AI。這里展示的是具體運(yùn)行結(jié)果,不是多輪測(cè)試的通關(guān)率或勝率。

不同游戲也對(duì)應(yīng)不同的決策節(jié)奏。StarCraft II 每 12 秒游戲時(shí)間提交一組三個(gè)問(wèn)題;DOOM 同時(shí)判斷目標(biāo)、是否開(kāi)火和如何移動(dòng),并等待模型回答;JevBall 則持續(xù)運(yùn)行,一次請(qǐng)求為球附近的多名球員分別選擇動(dòng)作,遲到的回答由游戲自身策略兜底。

* 這些演示并非統(tǒng)一的 " 直接讀屏 " 測(cè)試。Mario 先在模擬器中試運(yùn)行 11 種候選動(dòng)作,再將結(jié)果寫成文字供模型選擇;StarCraft II 的采集、建造與單位控制由腳本執(zhí)行;DOOM 的狀態(tài)來(lái)自游戲引擎,瞄準(zhǔn)、尋路和脫困由代碼處理。模型負(fù)責(zé)各自接口定義的決策,不包辦全部感知與執(zhí)行。

交互中的細(xì)節(jié),也可以單獨(dú)測(cè)量可靠的交互,往往取決于一個(gè)容易被忽略的判斷。例如,玩家說(shuō) " 漢娜,你今天見(jiàn)過(guò)杰夫嗎?",系統(tǒng)需要判斷對(duì)話對(duì)象是漢娜,而不是只因句子出現(xiàn) " 杰夫 " 就讓另一個(gè)角色回應(yīng)。把這一環(huán)節(jié)單獨(dú)測(cè)量,才能更清楚地比較模型是在理解對(duì)話,還是僅僅匹配名字。

* 對(duì)話對(duì)象判斷:句子同時(shí)出現(xiàn)漢娜與杰夫,但被詢問(wèn)的是漢娜。各角色分別作是非判斷。

* 旗艦版本為 StartLux-Decision-27B。除 Dino Run 為團(tuán)隊(duì)通過(guò) Jev API 在同一執(zhí)行環(huán)境復(fù)測(cè)外,Jev 數(shù)據(jù)引自相應(yīng)測(cè)試作者的報(bào)告;0.8B、2B 在這些游戲上的表現(xiàn)明顯較弱。

正常文本與姓名誤聽(tīng)兩種輸入下,StartLux-Decision 分別比 Jev 少錯(cuò) 5 條和 7 條;相比簡(jiǎn)單姓名匹配,差距更為明顯。Dino Run 則沒(méi)有拉開(kāi)差距:雙方都在 20 次測(cè)試中達(dá)到預(yù)設(shè)上限。對(duì)應(yīng)用而言,既要看模型在哪些復(fù)雜判斷上更可靠,也要看某項(xiàng)測(cè)試是否已經(jīng)不足以區(qū)分能力。

多項(xiàng)決策評(píng)測(cè)高于 Jev

團(tuán)隊(duì)使用 Decision Index 官方評(píng)測(cè)工具運(yùn)行完整測(cè)試,并以 2026 年 9 月 28 日的公開(kāi)榜單快照作為對(duì)照。StartLux-Decision 的系列最高得分為 63.88,高于 Jev 1.13 的 57.91;在指數(shù)包含的 38 項(xiàng)基準(zhǔn)中,有 31 項(xiàng)得分更高。

同一快照中,Rune 26B-A4B、Decider chat 31B 和 AutoJev-27B 的得分分別為 57.44、57.33 和 56.40。StartLux-Decision 的最高得分分別高出 6.44、6.55 和 7.48 分;9B 版本得分為 58.63,也高于這幾項(xiàng)公開(kāi)結(jié)果以及 Jev 1.13 的 57.91。

*Decision Index 0.2.1 對(duì)比。StartLux-Decision 使用榜單評(píng)測(cè)工具完成團(tuán)隊(duì)自測(cè),其他模型取自 2026 年 9 月 28 日公開(kāi)榜單;不表示已獲官方上榜認(rèn)證。

從綜合得分看關(guān)鍵能力的優(yōu)勢(shì)

總分之外,分領(lǐng)域結(jié)果更能說(shuō)明差異來(lái)自哪里。在語(yǔ)言理解、檢索與分類、工具與自動(dòng)化,以及藝術(shù)與人類偏好四個(gè)領(lǐng)域,StartLux-Decision 旗艦版本的得分均高于表中其余對(duì)照;知識(shí)與推理領(lǐng)域則由 Jev 1.13 領(lǐng)先。

* 表中數(shù)值均為 Decision Index 的領(lǐng)域得分,不是原始準(zhǔn)確率;旗艦版本對(duì)應(yīng) StartLux-Decision-27B。

其中,語(yǔ)言理解為 74.5 對(duì) 62.0,檢索與分類為 66.8 對(duì) 55.4,工具與自動(dòng)化為 82.2 對(duì) 75.1,分別高出 Jev 1.13 12.5、11.4 和 7.1 分。這些能力與前面的應(yīng)用場(chǎng)景相呼應(yīng):理解用戶提出的條件,在候選對(duì)象中作出區(qū)分,再選擇下一步操作。

對(duì)開(kāi)發(fā)者而言,綜合表現(xiàn)最終要落到具體任務(wù)。進(jìn)一步拆到單項(xiàng)測(cè)試,差異也并不完全一致。以下幾項(xiàng)同時(shí)列出領(lǐng)先項(xiàng)和未領(lǐng)先項(xiàng),便于開(kāi)發(fā)者結(jié)合自己的任務(wù)判斷。

* 以上為 Decision Index 版本中的隨機(jī)基線校正分?jǐn)?shù),不能直接當(dāng)作各基準(zhǔn)原版的準(zhǔn)確率或完整 Agent 成功率。 表示訓(xùn)練使用了該基準(zhǔn)的公開(kāi)訓(xùn)練集,測(cè)試題已過(guò)濾;完整 38 項(xiàng)結(jié)果見(jiàn)項(xiàng)目文檔。

這種差異也說(shuō)明,綜合得分領(lǐng)先不等于所有能力都更強(qiáng)。StartLux-Decision 在知識(shí)與推理領(lǐng)域的 44.3 低于 Jev 的 51.4,API-Bank 也未領(lǐng)先。對(duì)智能體更有用的選擇方式,仍然是看它最常遇到哪些判斷,而不只看一個(gè)總分。

公開(kāi)決策測(cè)試:不僅比較總分,也比較錯(cuò)在哪里

在來(lái)自上海人工智能實(shí)驗(yàn)室(上海 AI 實(shí)驗(yàn)室)發(fā)布 Intern-Decision 時(shí)采用的七套測(cè)試中,StartLux-Decision 旗艦版本平均準(zhǔn)確率為 91.82%,高于 Jev 1.13 的 88.74% 和 Intern-Decision-4B 的 90.02%。公開(kāi) JevBench 共 231 題,三者分別答對(duì) 208、199 和 201 題。下面把同一組資料中的其他模型也放在一起對(duì)照。

* 七套測(cè)試為 JevBench Easy / Original / Hard、Typed Decisions、ToolACE、AG News 與 WildJailBreak。公開(kāi)題答對(duì)數(shù)、七套平均與 Decision Index 是不同指標(biāo)。

在 JevBench-Hard 的 111 道公開(kāi)難題中,旗艦版本錯(cuò) 23 題,比 Jev 1.13 的 31 題少 8 題;4B 版本錯(cuò) 27 題,也少于 Intern-Decision-4B 的 29 題。七套測(cè)試平均錯(cuò)誤率四舍五入后,旗艦版本為 8.2%,本系列 4B 為 8.8%,Intern-Decision-4B 為 10.0%,Jev 1.13 為 11.3%。

* 左:JevBench-Hard 公開(kāi)難題錯(cuò)誤數(shù),越少越好。右:七套測(cè)試平均錯(cuò)誤率。圖中錯(cuò)誤率為四舍五入后的結(jié)果。

多檔規(guī)格支撐不同部署需求

StartLux-Decision 提供五檔版本,開(kāi)發(fā)者可以按設(shè)備資源和任務(wù)需求選擇。對(duì)照同日公開(kāi)榜單,四個(gè)較小版本的得分均超過(guò)對(duì)應(yīng)尺寸的最高分模型;旗艦版本則與榜首 Jev 1.13 比較,Jev 1.13 的參數(shù)規(guī)模未公開(kāi)。

* 同尺寸比較:0.8B、2B、4B、9B 分別對(duì)照當(dāng)日同尺寸最高分模型;27B 對(duì)照公開(kāi)榜首 Jev 1.13,后者參數(shù)規(guī)模未公開(kāi),不屬于已知的同尺寸比較。

這四檔模型分別領(lǐng)先對(duì)應(yīng)公開(kāi)對(duì)照 19.64、15.22、9.71 和 11.74 分。9B 版本也以 58.63 分高于 Jev 1.13 的 57.91 分,分差為 0.72。與同樣提供多個(gè)規(guī)格的 Intern-Decision 相比,差異也出現(xiàn)在各檔模型,而不只在旗艦版本。

*StartLux / Intern 分別指 StartLux-Decision 與 Intern-Decision 的對(duì)應(yīng)規(guī)格。

其中,4B 版本在公開(kāi) JevBench 上答對(duì) 204 題,七套測(cè)試平均準(zhǔn)確率為 91.17%,均高于 Jev 的相應(yīng)結(jié)果;但其 Decision Index 綜合得分仍低于 Jev。不同測(cè)試反映不同能力,選擇模型仍應(yīng)回到實(shí)際任務(wù)。

* 評(píng)測(cè)說(shuō)明:以上 StartLux-Decision 成績(jī)?yōu)閳F(tuán)隊(duì)自測(cè),并非官方上榜結(jié)果。Decision Index 是經(jīng)隨機(jī)基線校正、加權(quán)匯總的指數(shù),不是直接準(zhǔn)確率。訓(xùn)練數(shù)據(jù)使用了其中 14 項(xiàng)基準(zhǔn)的公開(kāi)訓(xùn)練集,對(duì)應(yīng)測(cè)試題已過(guò)濾。公開(kāi) JevBench 的 208/231 不是包含保密測(cè)試、速度與成本的官方總分。ToolACE 項(xiàng)取自公開(kāi)訓(xùn)練集;排除該項(xiàng)后,4B 的其余六套平均準(zhǔn)確率為 90.67%,Intern-Decision-4B 為 88.95%。

以毫秒級(jí)響應(yīng)支撐高頻判斷

決策速度關(guān)系到智能體能多快進(jìn)入下一步。在單卡 H200、bf16、本地 HTTP 的短請(qǐng)求測(cè)試中,StartLux-Decision-4B 一次回答三個(gè)問(wèn)題,平均耗時(shí) 26.0 毫秒;只回答一個(gè)是非問(wèn)題時(shí),平均為 14.7 毫秒。0.8B 與 2B 的三問(wèn)題請(qǐng)求分別為 12.2 和 15.5 毫秒。

* 推理時(shí)延:StartLux-Decision 為 H200 上 200 次串行請(qǐng)求的平均值;Jev 為其 API 網(wǎng)關(guān)報(bào)告的服務(wù)端耗時(shí),取 100 次平均。

*Jev 1.13 在同類三問(wèn)題請(qǐng)求上的服務(wù)端耗時(shí)為 64.0 毫秒,但雙方硬件和服務(wù)棧不同,不能據(jù)此得出嚴(yán)格的同硬件倍速結(jié)論。這里的毫秒數(shù)也不是整項(xiàng)網(wǎng)頁(yè)任務(wù)的完成時(shí)間:輸入長(zhǎng)度、頁(yè)面加載和工具執(zhí)行都會(huì)影響最終耗時(shí)。

同類參考中,Intern-Decision 在 RTX 4090 上報(bào)告的 0.8B、2B、4B 時(shí)延分別約為 34.0、33.3 和 44.2 毫秒。與 StartLux-Decision 的 H200 數(shù)據(jù)一樣,這些數(shù)值需要連同硬件與服務(wù)環(huán)境閱讀,不能直接歸結(jié)為模型本身的速度差。

同一模型內(nèi)部的優(yōu)化更能直接說(shuō)明工程收益:在上述短請(qǐng)求測(cè)試中,StartLux-Decision-4B 未啟用 CUDA Graph 時(shí)為 90.3 毫秒,啟用后為 26.0 毫秒。項(xiàng)目同時(shí)使用快速線性注意力算子,并把多個(gè)問(wèn)題合并到一次前向計(jì)算,減少重復(fù)計(jì)算與調(diào)用開(kāi)銷。

對(duì)智能體而言,這種計(jì)算方式的價(jià)值,是讓候選動(dòng)作已經(jīng)明確的判斷直接進(jìn)入決策環(huán)節(jié),不必等待長(zhǎng)文本生成。一次請(qǐng)求還可以同時(shí)完成動(dòng)作選擇與結(jié)束判斷,減少重復(fù)調(diào)用,為更緊湊、更連貫的執(zhí)行流程提供條件。

讓專用決策與大模型協(xié)同工作

StartLux-Decision 還會(huì)返回每個(gè)候選項(xiàng)的概率。這為模型協(xié)作提供了明確的分流接口:在經(jīng)過(guò)驗(yàn)證的常規(guī)場(chǎng)景里,可以直接執(zhí)行決策;候選項(xiàng)難以區(qū)分、狀態(tài)不充分或操作風(fēng)險(xiǎn)較高時(shí),則補(bǔ)充觀察、交給大模型分析,或者請(qǐng)求人工確認(rèn)。

概率輸出并不自動(dòng)等于真實(shí)成功率,分流閾值需要結(jié)合業(yè)務(wù)數(shù)據(jù)校準(zhǔn)。支付、刪除、權(quán)限修改等操作仍應(yīng)遵守原有授權(quán)與確認(rèn)規(guī)則。決策模型的作用是幫助系統(tǒng)判斷下一步,而不是替代這些約束。

模型是否適合長(zhǎng)期運(yùn)行,還取決于它能否裝進(jìn)實(shí)際的部署環(huán)境。除原始權(quán)重外,StartLux-Decision 的五檔版本均提供面向 llama.cpp 的 GGUF 文件,包含保留原權(quán)重精度的 BF16,以及 Q8_0、Q4_K_M 兩種量化格式。

在 Hugging Face 模型合集中,每檔規(guī)格的 Q8_0、Q4_K_M 和 BF16 版本均已單獨(dú)列出,共 15 個(gè) GGUF 條目。開(kāi)發(fā)者可以直接按 " 模型規(guī)格+精度 " 選擇對(duì)應(yīng)倉(cāng)庫(kù),下載 GGUF 文件及決策服務(wù)所需的配套配置。

* 表中為模型文件大小,不是運(yùn)行時(shí)總內(nèi)存或顯存需求;不代表這些規(guī)格已在任意設(shè)備上達(dá)到前文 H200 的時(shí)延。

以 4B 為例,Q8_0 文件大小為 4.48GB,在這次 231 道公開(kāi) JevBench 題目的量化復(fù)測(cè)中,與原始權(quán)重的決策一致率為 100%,同樣答對(duì) 204 題。進(jìn)一步壓縮為 2.71 GB 的 Q4_K_M 后,決策一致率為 98.3%,答對(duì) 201 題。開(kāi)發(fā)者因此可以在文件大小與任務(wù)表現(xiàn)之間作出更具體的取舍。

兼容現(xiàn)有接口并支持業(yè)務(wù)適配

在接入方式上,StartLux-Decision 采用 TypeSafe 的 /v1/systemone 的接口,兼容原有 Jev 客戶端的數(shù)據(jù)結(jié)構(gòu)。業(yè)務(wù)程序可以保留現(xiàn)有的 " 狀態(tài)+問(wèn)題 " 調(diào)用方式,再配置相應(yīng)服務(wù)地址。

* 接口說(shuō)明:常見(jiàn)選擇題可在一次前向計(jì)算中處理;單題超過(guò) 26 個(gè)候選項(xiàng)時(shí),服務(wù)會(huì)分組篩選并進(jìn)行后續(xù)決選,不是任意長(zhǎng)度候選列表都只計(jì)算一次。

GGUF 部署同樣保留這一接口:llama.cpp 負(fù)責(zé)承載模型,項(xiàng)目配套的決策服務(wù)負(fù)責(zé)組織問(wèn)題并讀出選項(xiàng)結(jié)果。項(xiàng)目代碼采用 Apache-2.0 許可,模型權(quán)重采用 CC BY-NC 4.0 許可,可用于研究及其他非商業(yè)用途;商業(yè)使用需另行取得 StartLux Labs 授權(quán);倉(cāng)庫(kù)還提供推理、評(píng)測(cè)復(fù)現(xiàn)、LoRA 微調(diào)與溫度校準(zhǔn)工具,方便開(kāi)發(fā)者圍繞自己的業(yè)務(wù)繼續(xù)適配。

以 Auto Research 驅(qū)動(dòng)決策模型迭代

StartLux-Decision 背后,是 StartLux 持續(xù)推進(jìn)的 Auto Research 研發(fā)管線。這套由聯(lián)合創(chuàng)始人兼 CTO 郭權(quán)瑋帶領(lǐng)團(tuán)隊(duì)建設(shè)的研發(fā)系統(tǒng),將研究過(guò)程本身納入迭代,也是公司推進(jìn) RSI(遞歸式自我改進(jìn))的一條路徑。

此前,機(jī)器之心在 2026 年 9 月 16 日的《本地該怎么做 RSI?我們與 StartLux CTO 聊了聊》中,介紹過(guò)這套方法:AI 不只執(zhí)行預(yù)先安排的實(shí)驗(yàn),還會(huì)根據(jù)上一輪結(jié)果分析失敗、提出新假設(shè),并參與決定下一步研究什么;研究目標(biāo)、評(píng)價(jià)標(biāo)準(zhǔn)和關(guān)鍵規(guī)則仍由人把關(guān)。 [ 2 ]

這次,團(tuán)隊(duì)將這套方法落實(shí)到專用決策模型的迭代中,圍繞智能體執(zhí)行時(shí)的關(guān)鍵判斷展開(kāi)研發(fā):能否選對(duì)動(dòng)作、能否理解任務(wù)條件、輸出是否適合程序使用。AI 參與數(shù)據(jù)構(gòu)造、訓(xùn)練與評(píng)測(cè),失敗結(jié)果再回到下一輪實(shí)驗(yàn)中;改動(dòng)是否保留,由實(shí)際測(cè)試檢驗(yàn),而不只看模型自己如何評(píng)價(jià)。

這也延續(xù)了郭權(quán)瑋此前在鈦媒體報(bào)道中表達(dá)的觀點(diǎn)。2026 年 9 月 16 日,鈦媒體記錄了他在 ITValue Summit 的分享:企業(yè)評(píng)估 AI,應(yīng)更多關(guān)注整套系統(tǒng)能否完成業(yè)務(wù)任務(wù),并結(jié)合模型調(diào)度、權(quán)限與任務(wù)反饋持續(xù)改進(jìn)。 [ 3 ]

讓決策能力進(jìn)一步服務(wù)自動(dòng)研究

自動(dòng)研究同樣需要反復(fù)作出決策:下一步調(diào)用哪個(gè)工具,哪些失敗需要進(jìn)一步檢查,什么情況應(yīng)當(dāng)暫?;蜣D(zhuǎn)交其他模型。StartLux-Decision 為這些環(huán)節(jié)提供了可嘗試的專用組件,也為決策能力進(jìn)入研究流程打開(kāi)了進(jìn)一步探索的空間;是否能帶來(lái)穩(wěn)定收益,仍需要在具體研究流程中驗(yàn)證。

在郭權(quán)瑋的定義中,Auto Research 是實(shí)現(xiàn) RSI 的核心元件:先讓 AI 參與研究和模型改進(jìn),之后進(jìn)一步要求被改進(jìn)后的 AI 連 " 改進(jìn) AI 的能力 " 本身也得到提升。StartLux-Decision 是這條研發(fā)路線上的另一項(xiàng)具體成果。

從一次判斷到連續(xù)執(zhí)行,StartLux 關(guān)注的是智能體如何把任務(wù)做得更順暢。StartLux-Decision 將專用決策能力帶到操作頁(yè)面、分配任務(wù)和調(diào)用工具等環(huán)節(jié),讓高頻判斷有機(jī)會(huì)減少不必要的等待,讓復(fù)雜問(wèn)題及時(shí)轉(zhuǎn)交合適的模型或人。圍繞這些真實(shí)任務(wù),StartLux 將繼續(xù)推進(jìn)模型、推理系統(tǒng)與智能體執(zhí)行能力的協(xié)同,讓研發(fā)成果更直接地服務(wù)任務(wù)完成。

代碼與模型:

為助力決策模型賽道發(fā)展,我們決定完整開(kāi)源 Startlux-Decision,歡迎大家下載、測(cè)試與交流。同時(shí),也歡迎優(yōu)秀人才加入我們共同推動(dòng) RSI 發(fā)展。

GitHub 鏈接:

https://github.com/StartLuxLabs/Startlux-Decision

Hugging Face 模型合集下載鏈接:

https://huggingface.co/collections/startlux-models/startlux-decision-6abba92b301b573fa154d493

* 合集包含五檔原始模型,以及按規(guī)格與精度分別列出的 15 個(gè) GGUF 版本;

技術(shù)資料與相關(guān)閱讀

[ 1 ] StartLux-Decision 已公開(kāi)項(xiàng)目倉(cāng)庫(kù):README、推理文檔、評(píng)測(cè)結(jié)果、量化測(cè)試及 media 演示素材。2026-09-30 核對(duì);Decision Index 對(duì)照仍采用倉(cāng)庫(kù)注明的 2026-09-28 榜單快照,主評(píng)測(cè)與量化復(fù)測(cè)分別列示。

[ 2 ] 機(jī)器之心,2026-09-16:《本地該怎么做 RSI?我們與 StartLux CTO 聊了聊》(公開(kāi)轉(zhuǎn)載)。

[ 3 ] 鈦媒體,2026-09-16:《郭權(quán)瑋:企業(yè) AI 不必迷信綜合榜單,重系統(tǒng)閉環(huán)與可信部署》。

相關(guān)閱讀

最新評(píng)論

沒(méi)有更多評(píng)論了

覺(jué)得文章不錯(cuò),微信掃描分享好友

掃碼分享

企業(yè)資訊

查看更多內(nèi)容