Microsoft: Microsoft-Decision-1

Microsoft-Decision-1 er laget for beslutninger om oppgitt innhold: å velge en etikett, kontrollere et vilkår eller gi en vurdering. Microsoft har ettertrent Qwen3.5-9B for denne fokuserte skåringsoppgaven. Resultatet er en numerisk vurdering som en applikasjon kan bruke direkte, i stedet for en samtale, et dokument eller en skriftlig forklaring.

Faste valg og tydelige spørsmålstyper

Produsenten beskriver tre typer spørsmål. Et binært spørsmål returnerer en sannsynlighet mellom 0 og 1 for et definert vilkår. Et valgspørsmål velger ett alternativ og returnerer en sannsynlighet for hver kandidat. Et skåringsspørsmål plasserer et element på en ordnet skala og returnerer en sannsynlighetsvektet verdi, som kan havne mellom skalaens nivåer.

Bruk et binært spørsmål når en arbeidsflyt må kontrollere et vilkår, for eksempel om et svar inneholder en lovet handling. Bruk et valgspørsmål for å plassere en henvendelse i en kjent kategori. Bruk en skår for å ordne en gjennomgangskø eller bedømme et svar mot en definert vurderingsskala. Disse oppgavene skiller seg i hvilket resultat applikasjonen din trenger, så velg spørsmålstype før du forbereder inndataene.

Forberede grunnlaget og alternativene

Modellen leser en oppgitt tilstand, uttrykt som tekst eller JSON, sammen med avgrensede spørsmål og instruksjoner. Ta med materialet som avgjør beslutningen, og definer kriteriene klart. For en saksklassifiserer oppgir du meldingen og meningsfulle beskrivelser av de tillatte destinasjonene. For en kvalitetskontroll oppgir du kandidatsvaret, den opprinnelige oppgaven og vurderingsskalaen, i stedet for å be om en uforklart generell kvalitetsvurdering.

Flere spørsmål kan dele det samme grunnlaget. Én enkelt sak kan trenge en destinasjon, et hastenivå og en kontroll av gjentatt kontakt. Når disse beslutningene holdes knyttet til det samme oppgitte materialet, blir resultatet lettere å tolke. Ordlyden i spørsmålet og skillet mellom alternativene har fortsatt betydning: overlappende etiketter eller manglende grunnlag kan gi en tilsynelatende presis skår for en dårlig definert oppgave.

Konfidens og styring av arbeidsflyten

Microsoft behandler sannsynligheter som nyttige konfidenssignaler for å avgjøre om man skal handle, utsette eller be om gjennomgang. Sett terskler ved hjelp av representative merkede tilfeller fra din egen arbeidsmengde. Terskelen for å godta en harmløs kategoritildeling kan være en annen enn terskelen for en handling der en falsk positiv er kostbar. Et eksplisitt alternativ for usikkerhet gjør at en klassifiserer slipper å tvinge frem et valg uten grunnlag.

For en ordnet skår bruker du resultatet til å sammenligne elementer eller anvende en målt terskel; det er ikke en uavhengig validert, absolutt kvalitetsvurdering. Kontroller om en omformulering av spørsmålet eller en endret rekkefølge på alternativene endrer beslutningen. Dette gjør betydningen av en returnert skår konkret for applikasjonen som bruker den.

Praktiske bruksområder for en beslutningsmodell

En agent kan bruke en avgrenset beslutning til å velge sin neste handling, en dokumentflyt kan klassifisere innkommende materiale, og et evalueringstrinn kan godta, revidere eller eskalere et generert resultat. Microsoft beskriver også intensjonsanalyse, ruting av hendelser, søkerelevans og datamerking som bruksområder. En generativ modell er fortsatt riktig komponent når det ønskede resultatet er et sammendrag, en forklaring, omskrevet tekst eller kode; beslutningsmodellen kan velge neste behandlingstrinn.

I et prosjekt med Ailoot API starter du med en bestemt beslutning og definerer grunnlaget, de tillatte svarene og handlingen som hører til hvert utfall. Ta hensyn til modellens dokumenterte følsomhet for ordlyd og til at den ikke gir en skriftlig begrunnelse. Evaluer beslutningene mot oppgavens faktiske etiketter, og undersøk usikre tilfeller før konfidens behandles som automatisk tillatelse til å handle.