Modelos
Microsoft: un modelo para elegir entre opciones
Microsoft presenta Microsoft-Decision-1, un modelo que asigna probabilidades a respuestas predefinidas para clasificar información, dirigir solicitudes y verificar condiciones. Parte de Qwen3.5-9B posentrenado y está disponible en Microsoft Foundry y a través de OpenRouter.
Recibe el resumen diario de IA
Cada mañana, lo esencial de la inteligencia artificial en tu correo, sin humo. Al día con la IA.
Al suscribirte aceptas recibir el newsletter de AI Informator. Puedes darte de baja cuando quieras.
En resumen
- Según Microsoft, recibe opciones cerradas y devuelve una probabilidad para cada una.
- Como ejemplo conceptual, podría servir para clasificar solicitudes, enviarlas al equipo adecuado y comprobar condiciones.
- Según Microsoft, las ventajas de rendimiento anunciadas proceden de sus propias pruebas.
Las opciones se fijan antes de preguntar
Según Microsoft, Microsoft-Decision-1 se ha construido mediante el posentrenamiento de Qwen3.5-9B para puntuar decisiones en una sola pasada. Admite respuestas binarias, elección entre varias opciones y valoraciones, además de evaluar respuestas de IA y acciones de agentes mediante criterios establecidos.
Según Microsoft, el modelo está destinado a clasificación, enrutamiento, priorización, verificación y control de flujos de trabajo, y está disponible en Microsoft Foundry y a través de OpenRouter. La documentación de Microsoft indica que puede desplegarse desde el catálogo de modelos de Foundry.
Clasificar, dirigir y comprobar
Como ejemplo conceptual, una aplicación de atención al cliente podría clasificar una solicitud entre facturación, problemas técnicos y acceso a la cuenta, y dirigirla al equipo correspondiente. Para ilustrar la verificación, podría comprobar si una respuesta de atención al cliente promete un reembolso. Son ejemplos de decisiones acotadas, no resultados medidos de un despliegue.
Según la documentación de Microsoft, conviene describir claramente las opciones y utilizar una probabilidad máxima baja como señal para pedir otra evaluación o recurrir a una persona. También recomienda validar los umbrales con ejemplos etiquetados antes de automatizar una comprobación.
Qué dicen las pruebas
| Aspecto | Resultado anunciado |
|---|---|
| Exactitud | La mayor en una comparación de 36 pruebas |
| Rapidez frente a H2O-Lightning-4B v1.1 | 2,5 veces más rápido |
| Rapidez frente a GPT-6 Sol | 35 veces más rápido |
Microsoft afirma que el modelo logró la mayor exactitud de su comparación y fue el más rápido entre los medidos. Los resultados corresponden a una evaluación propia con pruebas que, según Microsoft, se mantuvieron separadas del entrenamiento.
Según la documentación de Microsoft, las puntuaciones pueden cambiar al reformular u ordenar preguntas y opciones, y la calibración funciona mejor en tipos de tareas familiares. El modelo no proporciona explicaciones y puede apoyarse en conocimientos desactualizados.
Conclusión
Según la documentación de Microsoft, para incorporarlo a una aplicación conviene definir bien las opciones, validar los umbrales con ejemplos etiquetados y derivar las decisiones de baja confianza a una persona u otro modelo.
Fuentes primarias
Recibe el resumen diario de IA
Cada mañana, lo esencial de la inteligencia artificial en tu correo, sin humo. Al día con la IA.
Al suscribirte aceptas recibir el newsletter de AI Informator. Puedes darte de baja cuando quieras.
Comentarios