jbarrow.ai 的作者發佈技術深入解析，說明 Perplexity Decider v1.2 決策模型
熱點事件持續更新
jbarrow.ai 的作者發佈技術深入解析，說明 Perplexity Decider v1.2 決策模型
1 篇報導1 個報導來源2 小時前更新
先了解這件事
AI 綜述
jbarrow.ai 的作者發佈的技術深入解析說明了 Perplexity Decider v1.2 的運作方式：這是一個基於 Qwen-3.8 27B 建構的開放決策模型，它把僅解碼器 LLM 轉變為非因果編碼器，並透過 255 選項的讀出頭，在單次預填充步驟中回答所有分類問題。 文章描述了 /v1/decisions API 的 yes_no、choice 和 score 問題類型、在 tasksource 等協調資料集上使用合成資料與選項洗牌進行訓練，以及在溫度 T=1.32 下的事後校準。作者主張，決策模型相較於自迴歸 LLM 的主要優勢是 token 效率，並指出 9B Decider Flash 變體是以蒸餾損失訓練的。
AI 依報導生成 · 1 小時前更新
最新進展11月13日 21:49
深入解析決策模型：Perplexity Decider v1.2 如何運作報導時間線
沿著報導，了解事件的不同側面。
11月13日
- Hacker News · AI深入解析決策模型：Perplexity Decider v1.2 如何運作
本文剖析 Perplexity Decider v1.2，這是一個建構於 Qwen-3.8 27B 之上的開放決策模型，它將僅解碼器 LLM 轉換為非因果編碼器，並透過 255 選項讀出頭在單一預填充步驟中回答所有分類問題。內容涵蓋 /v1/decisions API 的 yes_no、choice 與 score 問題類型、在 tasksource 等協調資料集上以合成資料與選項洗牌進行訓練，以及在溫度 T=1.32 下的事後校準。作者主張決策模型相較於自迴歸 LLM 的主要優勢在於 token 效率，並指出 9B Decider Flash 變體是以蒸餾損失訓練。
本事件熱度走勢
還沒有足夠的連續觀測資料，暫不繪製趨勢。