Microsoft: Microsoft-Decision-1

Microsoft-Decision-1 ist für Entscheidungen über bereitgestellte Inhalte konzipiert: ein Label auswählen, eine Bedingung prüfen oder eine Bewertung vergeben. Microsoft hat Qwen3.5-9B für diese fokussierte Scoring-Aufgabe nachtrainiert. Das Ergebnis ist ein numerisches Urteil, das eine Anwendung direkt verwenden kann, und kein Gespräch, kein Dokument und keine schriftliche Erklärung.

Feste Auswahlmöglichkeiten und klare Fragetypen

Der Hersteller beschreibt drei Arten von Fragen. Eine Binärfrage gibt für eine definierte Bedingung eine Wahrscheinlichkeit zwischen 0 und 1 zurück. Eine Auswahlfrage wählt eine Option aus und gibt für jeden Kandidaten eine Wahrscheinlichkeit zurück. Eine Bewertungsfrage ordnet ein Element auf einer geordneten Skala ein und gibt einen wahrscheinlichkeitsgewichteten Wert zurück, der zwischen den Stufen der Skala liegen kann.

Verwenden Sie eine Binärfrage, wenn ein Workflow eine Bedingung prüfen muss, etwa ob eine Antwort eine zugesagte Aktion enthält. Verwenden Sie eine Auswahlfrage, um eine Anfrage einer bekannten Kategorie zuzuordnen. Verwenden Sie einen Score, um eine Prüfwarteschlange zu ordnen oder eine Antwort anhand eines definierten Bewertungsrasters zu benoten. Diese Aufgaben unterscheiden sich im Ergebnis, das Ihre Anwendung benötigt; wählen Sie daher den Fragetyp, bevor Sie die Eingabe vorbereiten.

Belege und Optionen vorbereiten

Das Modell liest einen bereitgestellten Zustand, ausgedrückt als Text oder JSON, zusammen mit begrenzten Fragen und Anweisungen. Nehmen Sie das Material auf, das die Entscheidung bestimmt, und definieren Sie die Kriterien klar. Stellen Sie für einen Ticket-Klassifikator die Nachricht und aussagekräftige Beschreibungen der zulässigen Ziele bereit. Stellen Sie für eine Qualitätsprüfung die Kandidatenantwort, die ursprüngliche Aufgabe und das Bewertungsraster bereit, statt eine unbegründete allgemeine Qualitätsbewertung anzufordern.

Mehrere Fragen können dieselben Belege nutzen. Ein einzelnes Ticket kann ein Ziel, eine Dringlichkeitsstufe und eine Prüfung auf wiederholten Kontakt benötigen. Wenn diese Entscheidungen an dasselbe bereitgestellte Material gebunden bleiben, ist das Ergebnis leichter zu interpretieren. Die Formulierung der Frage und die Abgrenzung der Optionen bleiben dennoch wichtig: Sich überschneidende Labels oder fehlende Belege können für eine schlecht definierte Aufgabe einen scheinbar präzisen Score erzeugen.

Konfidenz und Workflow-Steuerung

Microsoft betrachtet Wahrscheinlichkeiten als nützliche Konfidenzsignale für die Entscheidung, ob gehandelt, zurückgestellt oder eine Prüfung angefordert wird. Legen Sie Schwellenwerte anhand repräsentativer gelabelter Fälle aus Ihrem eigenen Workload fest. Der Schwellenwert für die Annahme einer unkritischen Kategoriezuordnung kann sich von dem für eine Aktion mit kostspieligem falsch positivem Ergebnis unterscheiden. Eine explizite Option „unsicher“ ermöglicht es einem Klassifikator, keine unbegründete Auswahl erzwingen zu müssen.

Nutzen Sie bei einem geordneten Score das Ergebnis, um Elemente zu vergleichen oder einen gemessenen Schwellenwert anzuwenden; es ist keine unabhängig validierte absolute Qualitätsbewertung. Prüfen Sie, ob eine umformulierte Frage oder eine geänderte Reihenfolge der Optionen die Entscheidung verändert. So wird die Bedeutung eines zurückgegebenen Scores für die Anwendung, die ihn verarbeitet, konkret.

Praktische Einsatzbereiche für ein Entscheidungsmodell

Ein Agent kann eine begrenzte Entscheidung nutzen, um seine nächste Aktion zu wählen, ein Dokumenten-Workflow kann eingehendes Material klassifizieren, und ein Evaluierungsschritt kann ein generiertes Ergebnis annehmen, überarbeiten oder eskalieren. Microsoft nennt außerdem Absichtsanalyse, Incident-Routing, Suchrelevanz und Datenlabeling als Anwendungen. Ein generatives Modell bleibt die passende Komponente, wenn das benötigte Artefakt eine Zusammenfassung, eine Erklärung, ein umgeschriebener Text oder Code ist; das Entscheidungsmodell kann den nächsten Verarbeitungsschritt auswählen.

Beginnen Sie bei einem Projekt mit der Ailoot API mit einer konkreten Entscheidung und definieren Sie die Belege, die zulässigen Antworten und die Aktion, die mit jedem Ergebnis verbunden ist. Berücksichtigen Sie die dokumentierte Empfindlichkeit des Modells gegenüber Formulierungen und das Fehlen einer schriftlichen Begründung. Bewerten Sie die Entscheidungen anhand der tatsächlichen Labels der Aufgabe und prüfen Sie unsichere Fälle, bevor Sie Konfidenz als automatische Erlaubnis zum Handeln behandeln.