Perplexity telah menerbitkan siaran terperinci tentang Decider v1.3, versi terbaru keluarga model keputusannya, bertajuk "Perplexity Decider v1.3: Latihan, eval dan kes penggunaan." Siaran tersebut mencecah muka depan Berita Hacker pada hari Jumaat dan memperoleh lebih daripada 140 mata dalam beberapa jam, dengan pembangun berdagang hasil penanda aras dan mempertikaikan di mana model ini sebenarnya sesuai. Untuk mengetahui lebih lanjut tentang ini dan berita AI terbaharu, kami mengikuti setiap keluaran model apabila ia tiba.
Perhatian adalah kurang mengenai satu kemas kini dan lebih banyak tentang perkara yang didedahkan oleh benang: dalam hampir setahun, model keputusan telah bertukar daripada rasa ingin tahu kepada kategori yang sesak dengan penanda aras mereka sendiri, logik harga mereka sendiri dan medan persaingan yang kini termasuk Perplexity, TypeSafe, Microsoft, Google, Cloudflare dan OpenAI.
Apakah Model Keputusan Sebenarnya
Takrifan paling jelas datang daripada Analisis Buatan, makmal penilaian bebas yang Indeks Keputusan v2.1 telah menjadi papan pendahulu rujukan untuk kategori tersebut. Dalam penjelasannya, model keputusan mengambil soalan dengan set pilihan tetap — sebagai contoh, tiket sokongan yang bertanya sama ada untuk membuat laluan ke pengebilan atau teknikal, sama ada ia mendesak dan betapa kecewanya pelanggan — dan mengembalikan jawapan untuk setiap pilihan dengan kebarangkalian dilampirkan, semuanya dalam satu panggilan.
Model bahasa tujuan umum, sebaliknya, menghasilkan output berstruktur yang kemudiannya perlu dihuraikan, dan model penaakulan menghabiskan pemikiran pengiraan tambahan sebelum ia menjawab. Model keputusan melangkau itu. Mereka dilatih untuk memilih, bukan untuk menerangkan, yang menjadikan mereka pantas dan cukup murah untuk dijalankan pada setiap dokumen, setiap permintaan, pada volum yang tinggi.
Bagaimana Kategori Diukur
Indeks Keputusan Analisis Buatan v2.1, dikemas kini dengan halaman metodologi awam, menggabungkan enam penilaian dengan pemberat diterbitkan: AA-Paperclip pada 30 peratus, yang menjalankan 1,500 resume, resit, invois dan kertas penyelidikan melalui keputusan dan pengekstrakan fakta; EvalSafe-ONET-AA pada 15 peratus, berdasarkan penanda aras ONET TypeSafe bagi pertimbangan tentang dokumen tempat kerja; When2Call pada 10 peratus, penilaian panggilan alat NVIDIA; AA-Omniscience-Decision v1.1 pada 15 peratus untuk pengetahuan dan halusinasi; HLE-MultiChoice v1.1 pada 15 peratus, soalan aneka pilihan teks sahaja daripada Peperiksaan Terakhir Kemanusiaan dengan pilihan untuk menolak; dan AA-Symmetry v1.1 pada 15 peratus, yang menyemak bahawa keputusan berlaku apabila pilihannya dialihkan, diubah perkataan atau dinafikan.
Ujian terakhir itu adalah memberitahu. Model yang membalikkan jawapannya apabila anda membalikkan susunan pilihan sebenarnya tidak menentukan — ia adalah padanan corak. Penentukuran, invarian dan mengetahui masa untuk menolak dianggap sebagai keperluan kelas pertama, bukan bonus.
Perkara yang Ditambah oleh Benang Berita Penggodam
Perplexity mula-mula membuka wajaran ahli keluarga 27-bilion-parameter, pplx-decider-v1-27b, pada Muka Memeluk pada awal Oktober, jadi komuniti telah menggunakan model ini selama berminggu-minggu. Reaksi terhadap v1.3 dicampur dalam cara yang berbunyi seperti pasaran yang sihat dan bukannya kitaran gembar-gembur.
Seorang pembangun melaporkan bahawa Decider v1.3 menunjukkan keuntungan berbanding v1.2 dan Jev 1.14 TypeSafe pada eval dalaman mereka untuk pengekstrakan entiti dan tugas pemadanan. Seorang lagi berkata ia berprestasi baik pada penanda aras tempatan mereka dan berharga kompetitif, dengan menyatakan bahawa seni bina perhatian dua arah mungkin sesuai dengan kerja membuat keputusan. Yang lain menolak: seorang pengulas mendapati v1.3 selangkah ke belakang untuk kes penggunaan mereka dan berkata indeks awam bersetuju, dan seorang lagi mempersoalkan sama ada varian kilat mencairkan janji teras kategori untuk keputusan pukal yang murah dan tepat.
Benang itu juga memaparkan ekosistem sekeliling — model keputusan Clef Cloudflare dan model pengekstrakan Clairic, API ScaleDown, Liquid's D1 dan model keputusan OpenAI sendiri — dengan beberapa pembangun menyatakan bahawa indeks Analisis Buatan, yang merangkumi kos setiap tugas dan penentukuran bersama ketepatan, adalah satu-satunya perbandingan merentas vendor yang mereka percayai.
Mengapa Ia Penting
Kami telah merangkumi peningkatan kategori ini selangkah demi selangkah: Model sistem-satu TypeSafe, Decision-1 Microsoft yang dibina pada Qwen, dan API Decisions Google dengan model Gemini Decision-1nya. Perplexity shipping v1.3 mengesahkan corak — setiap platform AI utama kini mahu memiliki lapisan tempat pilihan berstruktur dibuat, kerana lapisan itu berada di hadapan segala-galanya: triage sokongan, pemprosesan dokumen, panggilan alat, penyederhanaan, semakan pematuhan.
Ekonomi adalah perkara utama. Model penaakulan boleh mengatasi model keputusan tentang ketepatan, tetapi pada volum yang tinggi kependaman dan kosnya menjadikannya alat yang salah untuk berjuta-juta klasifikasi harian. Model keputusan memperdagangkan kecerdasan am untuk jawapan panggilan tunggal yang ditentukur, invarian, dan seperti yang ditunjukkan oleh perbahasan Berita Hacker, pembeli kini menggred dagangan itu dengan penanda aras sebenar dan beban kerja sebenar.
Decider v1.3 akan hidup atau mati pada kad skor tersebut. Tetapi kategori itu sendiri telah tiba dengan jelas.
---
Kekal Mendahului AIDapatkan berita, analisis dan penemuan terkini AI — semuanya di satu tempat.
Baca lebih banyak berita AI →
