Microsoft: Microsoft-Decision-1

Microsoft-Decision-1 er bygget til beslutninger om indsendt indhold: at vælge en etiket, kontrollere en betingelse eller tildele en vurdering. Microsoft har eftertrænet Qwen3.5-9B til denne fokuserede scoringsopgave. Resultatet er en numerisk vurdering, som en applikation kan bruge direkte, frem for en samtale, et dokument eller en skriftlig forklaring.

Faste valg og tydelige spørgsmålstyper

Producenten beskriver tre slags spørgsmål. Et binært spørgsmål returnerer en sandsynlighed mellem 0 og 1 for en defineret betingelse. Et choice-spørgsmål vælger én svarmulighed og returnerer en sandsynlighed for hver kandidat. Et scoringsspørgsmål placerer et element på en ordnet skala og returnerer en sandsynlighedsvægtet værdi, som kan ligge mellem skalaens niveauer.

Brug et binært spørgsmål, når en arbejdsgang skal kontrollere en betingelse, for eksempel om et svar indeholder en lovet handling. Brug et choice-spørgsmål til at tildele en anmodning til en kendt kategori. Brug en score til at ordne en gennemgangskø eller vurdere et svar efter en defineret vurderingsrubrik. Opgaverne adskiller sig ved det resultat, applikationen har brug for, så vælg spørgsmålstypen, før inputtet forberedes.

Forbered evidensen og svarmulighederne

Modellen læser en indsendt tilstand udtrykt som tekst eller JSON sammen med afgrænsede spørgsmål og instruktioner. Medtag det materiale, der afgør beslutningen, og definér kriterierne klart. For en klassifikator til supportsager skal du indsende beskeden og meningsfulde beskrivelser af de tilladte destinationer. For en kvalitetskontrol skal du indsende svarforslaget, den oprindelige opgave og vurderingsrubrikken frem for at bede om en uforklaret generel kvalitetsvurdering.

Flere spørgsmål kan dele samme evidens. En enkelt supportsag kan have brug for en destination, et hasteniveau og en kontrol af gentagen kontakt. Når beslutningerne holdes knyttet til det samme indsendte materiale, bliver resultatet lettere at fortolke. Spørgsmålsformuleringen og forskellen mellem svarmulighederne har stadig betydning: Overlappende etiketter eller manglende evidens kan give en tilsyneladende præcis score for en dårligt defineret opgave.

Konfidens og styring af arbejdsgange

Microsoft behandler sandsynligheder som nyttige konfidenssignaler til at afgøre, om der skal handles, ventes eller anmodes om gennemgang. Fastlæg tærskler med repræsentative mærkede tilfælde fra dine egne opgaver. Tærsklen for at acceptere en harmløs kategoritildeling kan være forskellig fra tærsklen for en handling med en dyr falsk positiv. En eksplicit usikker svarmulighed lader en klassifikator undgå at tvinge et valg igennem uden belæg.

Ved en ordnet score skal resultatet bruges til at sammenligne elementer eller anvende en målt tærskel; det er ikke en uafhængigt valideret absolut kvalitetsvurdering. Kontrollér, om en omformulering af spørgsmålet eller ændring af svarmulighedernes rækkefølge ændrer beslutningen. Det gør betydningen af den returnerede score konkret for den applikation, som bruger den.

Praktiske anvendelser af en beslutningsmodel

En agent kan bruge en afgrænset beslutning til at vælge sin næste handling, en dokumentarbejdsgang kan klassificere indkommende materiale, og et evalueringstrin kan acceptere, revidere eller eskalere et genereret resultat. Microsoft beskriver også hensigtsanalyse, hændelsesrouting, søgerelevans og datamærkning som anvendelser. En generativ model er fortsat den passende komponent, når det krævede resultat er et resumé, en forklaring, omskrevet tekst eller kode; beslutningsmodellen kan vælge det næste behandlingstrin.

I et Ailoot API-projekt skal du begynde med en konkret beslutning og definere evidensen, de tilladte svar og den handling, der er knyttet til hvert udfald. Tag højde for modellens dokumenterede følsomhed over for ordlyd og dens manglende skriftlige begrundelse. Vurdér beslutningerne ud fra opgavens faktiske etiketter, og undersøg usikre tilfælde, før konfidens behandles som automatisk tilladelse til at handle.