Models
Microsoft: un model per triar entre opcions
Microsoft presenta Microsoft-Decision-1, un model que assigna probabilitats a respostes predefinides per classificar informació, dirigir sol·licituds i verificar condicions. Parteix de Qwen3.5-9B amb un postentrenament i està disponible a Microsoft Foundry i a través d'OpenRouter.
Rep el resum diari d'IA
Cada matí, l'essencial de la intel·ligència artificial al teu correu, sense fum. Al dia amb la IA.
En subscriure-t'hi acceptes rebre el butlletí d'AI Informator. Pots donar-te de baixa quan vulguis.
En resum
- Segons Microsoft, rep un conjunt tancat d'opcions i retorna una probabilitat per a cadascuna.
- Com a exemple conceptual, podria servir per classificar sol·licituds, enviar-les a l'equip adequat i comprovar condicions.
- Segons Microsoft, els avantatges de rendiment anunciats provenen de les seves pròpies proves.
Les opcions es fixen abans de fer la pregunta
Segons Microsoft, Microsoft-Decision-1 s'ha construït mitjançant el postentrenament de Qwen3.5-9B per puntuar decisions en una sola passada. Admet respostes binàries, la tria entre diverses opcions i valoracions, a més d'avaluar respostes d'IA i accions d'agents mitjançant criteris establerts.
Segons Microsoft, el model està destinat a la classificació, l'encaminament, la priorització, la verificació i el control de fluxos de treball, i està disponible a Microsoft Foundry i a través d'OpenRouter. La documentació de Microsoft indica que es pot desplegar des del catàleg de models de Foundry.
Classificar, dirigir i comprovar
Com a exemple conceptual, una aplicació d'atenció al client podria classificar una sol·licitud en una de les categories de facturació, problemes tècnics o accés al compte, i dirigir-la a l'equip corresponent. Per il·lustrar la verificació, podria comprovar si una resposta d'atenció al client promet un reemborsament. Són exemples de decisions acotades, no pas resultats mesurats d'un desplegament.
Segons la documentació de Microsoft, convé descriure clarament les opcions i fer servir una probabilitat màxima baixa com a senyal per demanar una altra avaluació o recórrer a una persona. També recomana validar els llindars amb exemples etiquetats abans d'automatitzar una comprovació.
Què diuen les proves
| Aspecte | Resultat anunciat |
|---|---|
| Exactitud | La més alta en una comparació de 36 proves |
| Rapidesa respecte a H2O-Lightning-4B v1.1 | 2,5 vegades més ràpid |
| Rapidesa respecte a GPT-6 Sol | 35 vegades més ràpid |
Microsoft afirma que el model va obtenir l'exactitud més alta de la seva comparació i va ser el més ràpid entre els models mesurats. Els resultats corresponen a una avaluació pròpia amb proves que, segons Microsoft, es van mantenir separades de l'entrenament.
Segons la documentació de Microsoft, les puntuacions poden canviar si es reformulen o s'ordenen les preguntes i les opcions, i el calibratge funciona millor en tipus de tasques familiars. El model no proporciona explicacions i pot basar-se en coneixements desactualitzats.
Conclusió
Segons la documentació de Microsoft, per incorporar-lo a una aplicació convé definir bé les opcions, validar els llindars amb exemples etiquetats i derivar les decisions amb un grau de confiança baix a una persona o a un altre model.
Fonts primàries
Rep el resum diari d'IA
Cada matí, l'essencial de la intel·ligència artificial al teu correu, sense fum. Al dia amb la IA.
En subscriure-t'hi acceptes rebre el butlletí d'AI Informator. Pots donar-te de baixa quan vulguis.
Comentaris