跳到正文
RadarAI· X:Rohan Paul (@rohanpaul_ai)·· 3 小时前AI 评分61

MachinePulseAI 开源 Karpo Decision 系列决策模型,31B 版本以 73.9 分并列 Decision Index 榜首

开源决策模型 Karpo Decision 31B 发布,以 73.9 分并列 Decision Index 300 模型榜首

AI 导读

MachinePulseAI 发布开源权重决策模型 Karpo Decision 系列,含 0.8B 到 31B 六个型号,用单次前向传播直接输出各选项概率而不生成 token。

正文 · AI 翻译

Rohan Paul· @rohanpaul_ai · X·2026-11-18 03:14· 58 分钟前AI 评分50

AI 导读

MachinePulseAI 发布开源权重决策模型 Karpo Decision 系列,含 0.8B 到 31B 六个型号,用单次前向传播直接输出各选项概率而不生成 token。

正文 · 原文

一个全新的开源决策模型刚刚发布,在 300 个模型中排名第一。

Karpo-Decision-31B 用读出头取代了解码:每个选项对应一个单 token 编码,每个编码对应一个分数,再对该问题的选项做 softmax。零生成 token,答案始终有效,并通过分支注意力在问题之间共享页面。

Decision Index 总分:73.9,最高分,与 GLiDE 27B 的 73.4 并列 300 个模型中的第 1。基座是 Gemma 4 31B,却在 Amazon ESCI 上以 64.7% 对 58.7% 击败 Google 的 Gemini Decision 1,在 New Yorker Caption 上以 90.5% 对 79.7% 胜出。

对比 Jev 1.14,其中位耗时为 95 ms 对 196 ms,JevBench 估算每 1,000 次决策成本约低五分之一。

开放权重对搜索和推荐团队很重要,他们每个查询需要大量相关性判断;对需要校准“行动或询问”阈值的个人智能体也很重要。

引用LeahW@LeahW_2077

选择下一个工具不该需要一整段话。

我们构建了 Karpo Decision。一个包含六个开放权重模型的系列,从 0.8B 到 31B。给它上下文、一个问题以及选项,它在一次前向传播中返回每个选项的概率。

Karpo Decision 31B
🏆 Decision Index 得分 73.9,在 11 月 12 日榜单上并列第 1
⚡ 单张 RTX PRO 6000 上每请求中位耗时 94 ms
📊 JevBench Capability 得分 87.2,Google 的 Gemini Decision 1 为 78.5

🤗 Hugging Face
huggingface.co/MachinePulseAI…
📝 技术说明
karpo.ai/blog/karpo-decision-…

我会最先在这些地方尝试:搜索、推荐、工具选择、模型路由、浏览器操作。把它指向你技术栈中最慢的决策,并告诉我们哪里会出问题。

在 X 查看被引用的帖子

来源:Rohan Paul · x.com

来源:RadarAI · aihot.news