[技术] Hugging Face 决策模型榜更新：中国团队 StartLux 以 69.1 分登顶

Hugging Face 上的 Decision Index 0.3.2 榜单近日更新，中国 AI 创业公司 StartLux（原点星辉）的 StartLux-Decision-v1.1-27B Instant 以 69.1 分登顶，在 173 个公开复现模型中排第一，领先第二名近 3 分，也是榜单里唯一突破 69 分的模型。距离它 9 月底发布第一代决策模型只隔了十来天。

先说清决策模型是什么：它是 AI 系统的「判断中枢」——请求交给谁、工具能不能调、检索结果能不能用，都靠它快速判断。新版的 StartLux-Decision 分了 Instant 与 AutoThink 两条路线：

- Instant 是「极速判断版」，覆盖 0.8B 到 27B 五种规模，不生成推理过程，直接给出答案和信心分数，适合请求路由、内容分类这类高频任务。
- AutoThink 是「按需思考版」，覆盖 4B/9B/27B：默认信心达到 0.9 就直接回答，信心不足时才去核对规则、算数字、排查例外。

文中的例子很说明问题：476.80 瑞典克朗的商品加 24.03 运费可以通过；运费变成 24.05 就超过 500.84 的上限、必须拒绝——只差 0.02 但结论完全相反，这类题正是留给 AutoThink 的。

团队还原创了 RLCD² 强化学习训练方法：推理真正改善了判断就奖励，思考冗长、超出预算就惩罚。效果是 9B 模型自行结束推理的比例从 45.9% 提到 93.9%，平均推理长度从 2494 个 token 降到 868 个（减少约 65%），准确率基本不变——简单说就是让模型「该想时想、想清就停」。

另有两项配套：一是 DecisionPivot 评测基准，把条件相近、结论不同的题成组计分，整组全对才得分，7800 道核心题中 27B AutoThink 的成对准确率 86.9% 列第一；二是「策略感知校准」，修正从多个候选中挑最高分时置信度虚高的问题，184 组设置下置信度与准确率的差距从 −11.7~+20.5 个百分点收窄到 −2.7~+2.1 个百分点。

该系列已公开全部权重和推理代码、支持本地部署，截至 10 月 17 日下午累计下载量近 12 万。

原文链接：https://www.tmtpost.com/8172283.html
来源：钛媒体：引领未来商业与生活新知