StartLux-Decision 发布 0.8B 至 27B 决策模型，含 …
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载两种推理形态的分工
StartLux-Decision 把决策模型拆成两类。Instant 版本在全注意力层采用双向注意力，目的是在不放弃单次前向推理的前提下提高决策准确率，适合对延迟敏感的场景。AutoThink 版本则按置信度分流：遇到不确定的决策就调用显式推理，遇到有把握的情形直接给出答案。这种设计把算力花在模型自己认为困难的地方，而不是对所有输入一视同仁地展开长推理。作者给出的参数区间是 0.8B 到 27B，覆盖从轻量到较大规模的多档选择。
三阶段训练与 RLCD²
训练流程分三步：第一阶段建立共享的决策能力，第二阶段把两个变体分别特化，第三阶段通过推理监督与强化学习让 AutoThink 获得推理能力。其中提出的 RLCD² 方法用冻结模型配合恰当评分规则，奖励决策概率质量的改善，同时对过长的推理链施加软惩罚。效果体现在两个数字上：在生成长度限制内结束的推理链比例最多提高 48 个百分点，平均推理长度最多缩短 65%，而决策准确率大体保持不变。也就是说，推理变得更短、更少被截断，但答案质量没有明显牺牲。
评测结果与新基准
在 Decision Index 0.3 的公开子集上，Instant 模型比所评估的最强同规模开源决策模型高出 7.4 至 16.9 分，27B 的 AutoThink 模型取得 73.4。作者同时发布 DecisionPivot，这是一个可程序化验证的计算决策基准，题目由对比对构成，每对之间只差一个会改变答案的细节，用来检验模型是否真的抓住了关键信息。在该基准上，AutoThink 的配对准确率比对应的 Instant 版本高 11.5 至 18.4 分，并在所评估的系统中领先。
部署与可用形态
模型可在 vLLM 与 MLX 上运行，并提供量化版本以降低内存占用，便于在不同硬件条件下部署。随论文发布的还有技术报告，篇幅为 38 页，含 16 张图与 15 张表。论文提交时间为 2026 年 10 月 12 日，作者共六人，编号为 arXiv:2610.17309，属于 cs.CL 与 cs.AI 分类。
为什么值得看
给出决策模型按置信度分配算力的具体做法与量化收益，含新基准与开源权重规模区间。
信源1 家
关键事实
StartLux-Decision 参数规模为 0.8B 到 27B，分 Instant 与 AutoThink 两种变体[1]
Instant 在全注意力层使用双向注意力以提升决策准确率，同时保持单次前向推理[1]
RLCD² 使在生成长度限制内结束的推理链比例最多提高 48 个百分点，平均推理长度最多缩短 65%[1]
在 Decision Index 0.3 公开子集上，Instant 比同规模开源决策模型高 7.4 至 16.9 分，27B AutoThink 达 73.4[1]
DecisionPivot 由仅一处答案改变细节的对比对构成，AutoThink 配对准确率比 Instant 高 11.5 至 18.4 分[1]
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。