Perplexity: Decider V1.1 27B

Decider V1.1 27B は、Perplexity の意思決定チェックポイントの更新版です。与えられたコンテンツを定義済みの質問に照らして評価し、有効な回答にわたる確率を生成します。ネイティブのアーティファクトは、全語彙を対象とする言語生成ヘッドではなく、意思決定用の読み出し層を備えています。有用な結果は、限定された意思決定の分布とその解釈済みの回答であり、自由形式の説明や一般的なチャット応答ではありません。

V1.1 エディションの変更点

Perplexity は本モデルを、同じバックボーンを維持しつつ、アテンション構成を変更し学習データを増やした Decider V1 27B の更新版と位置付けています。バックボーンは Qwen3.8-27B です。V1.1 エディションは、以前のチェックポイントと置き換え可能なコピーとして説明するのではなく、固有の名前と構成を保って扱います。

状態、質問、有効な回答

公開されているサンプルでは、状態と型付きの選択式質問を含む行を与えます。質問には指示と基準が含まれ、基準のキーはセマンティックな回答を、説明はそれぞれがどのような場合に当てはまるかを定義します。モデルが確率を予測し、提供元の回答ヘルパーがその確率を質問に対する回答として解釈します。推論サンプルは行のリストを処理でき、各行の根拠と質問に 1 つの意思決定が対応します。

リクエストのルーティングでは、実際のメッセージと関連するコンテキストを与え、振り分け可能な部署やカテゴリを定義します。例として、連携の不具合、アクセスの問題、製品情報の問い合わせを区別するタスクが考えられます。各説明は境界線上のケースに決着をつけられる程度に正確にし、選択肢の定義を結果とともに保持します。こうすれば、カテゴリの分布をルーティングの判断に使えるほか、候補が拮抗している場合のレビュー手順にも役立てられます。モデルが選んだ結果自体がワークフローのアクションを実行することはありません。

テキストと画像の根拠

ネイティブ実装では、状態と質問に加えて画像も受け付け、画像ファイル入力、メモリ上の画像、エンコード済みの画像データを使用できます。文書画像やスクリーンショットの場合は、視覚的な根拠を与え、関連する結果を選択肢として記述したクローズドな質問を行います。判断に重要な可視の特徴を特定し、それを解釈するのに必要なテキストのコンテキストを与えます。たとえば、意思決定モデルに完全な製品説明を書かせるのではなく、写っている商品が与えた製品カテゴリのどれに属するかを分類させます。

プロセッサーはリサイズ時にアスペクト比を維持し、画像の各辺を 32 ピクセルの倍数に丸めます。ドキュメントに記載された処理後の面積は 65,536 ピクセルから始まり、設定可能な上限で制限されます。上限のデフォルトは 4,194,304 ピクセル、つまり 2048 × 2048 です。32 × 32 のパッチ 1 つが 1 つの視覚トークンになるため、このデフォルトでは 1 枚の画像につき最大 4,096 個の視覚トークンを使えます。これらの数値は提供元のネイティブな画像準備処理に関するものであり、一般的なアプリケーションのアップロード仕様ではありません。

入力全体の上限と解像度の範囲

ドキュメントに記載された準備ステップでは、1 つの意思決定に含まれるテキストとすべての画像が 8,192 トークン以内に収まる必要があります。サイズ超過の入力は、黙って切り詰められるのではなく拒否されます。複数の画像は、テキストで書かれた状態や質問とこの予算を共有します。テキストと画像を組み合わせた意思決定を準備する際は、回答を左右する詳細を残しつつ、無関係な元テキストを減らすか画像サイズの上限を下げます。

学習時と公表された評価の設定では、画像は 512 × 512 に制限されていました。これは 262,144 ピクセル、最大 256 個の視覚トークンに相当します。推論時の上限は設定可能で、より多くの詳細を保持できますが、モデルカードでは、高い解像度はその学習分布の範囲外であり、より多くのメモリと処理時間を使うと注意喚起されています。したがって、画像設定を大きくしても、より良い意思決定が保証されるわけではありません。入力の準備は質問に合わせて一貫させ、必要な視覚的特徴が明確に表現されているかを確認します。

アテンション、読み出し層、確率キャリブレーション

ネイティブチェックポイントのフルアテンション層は保存済みの非因果的アテンションモードを使い、線形アテンション層は独自の動作を保ちます。メーカーは、デフォルトの因果的推論では評価時の設定を再現できないと述べています。予測の実装では保存済みのキャリブレーション温度が適用されます。ロジットを直接使う場合は、その温度を 1 回だけ適用し、現在の有効な候補について確率を正規化します。これらの詳細はこの意思決定プロファイル固有のものであり、数値出力を解釈する際には維持する必要があります。

独立した意思決定用の読み出し層も、このアーティファクトを生成用のエクスポートと区別する点です。語彙ベースの生成インターフェースへ変換するには明示的な対応付けが必要で、アテンションの動作も維持しなければなりません。ネイティブの意思決定プロファイルにはクローズドな質問を用意し、チャット、コード、説明、ツールリクエストが必要なタスクには適切な生成モデルを使います。

有用な最終成果物では、状態、質問、許可された回答、得られた分布が結び付いた状態に保たれます。質問は実際に存在する根拠に基づいて定義し、曖昧なケースはその根拠に照らしてレビューし、数値出力をルーティングや分類にどう反映させるかは想定タスクのラベル付き例を使って決めます。モデルが提供するのは意思決定の確率です。その確率を有用なアクションや記録されたラベルにどう変えるかは、基準と周囲のアプリケーションが決めます。