Microsoft: Microsoft-Decision-1

Microsoft-Decision-1 är byggd för beslut om angivet innehåll: att välja en etikett, kontrollera ett villkor eller tilldela ett betyg. Microsoft har eftertränat Qwen3.5-9B för denna fokuserade poängsättningsuppgift. Resultatet är en numerisk bedömning som en applikation kan använda direkt, i stället för en konversation, ett dokument eller en skriven förklaring.

Fasta val och tydliga frågetyper

Tillverkaren beskriver tre typer av frågor. En binär fråga returnerar en sannolikhet mellan 0 och 1 för ett definierat villkor. En valfråga väljer ett alternativ och returnerar en sannolikhet för varje kandidat. En poängsättningsfråga placerar ett objekt på en ordnad skala och returnerar ett sannolikhetsviktat värde, som kan hamna mellan skalans nivåer.

Använd en binär fråga när ett arbetsflöde behöver kontrollera ett villkor, till exempel om ett svar innehåller en utlovad åtgärd. Använd en valfråga för att tilldela en förfrågan en känd kategori. Använd en poäng för att ordna en granskningskö eller bedöma ett svar mot en definierad bedömningsmatris. Uppgifterna skiljer sig åt i vilket resultat din applikation behöver, så välj frågetyp innan du förbereder indatan.

Förbereda underlaget och alternativen

Modellen läser ett angivet tillstånd, uttryckt som text eller JSON, tillsammans med avgränsade frågor och instruktioner. Ta med det material som avgör beslutet och definiera kriterierna tydligt. För en ärendeklassificerare anger du meddelandet och meningsfulla beskrivningar av de tillåtna destinationerna. För en kvalitetskontroll anger du kandidatsvaret, den ursprungliga uppgiften och bedömningsmatrisen i stället för att be om ett oförklarat allmänt kvalitetsbetyg.

Flera frågor kan dela samma underlag. Ett enskilt ärende kan behöva en destination, en brådskandegrad och en kontroll av upprepad kontakt. Att knyta dessa beslut till samma angivna material gör resultatet lättare att tolka. Frågornas formulering och skillnaden mellan alternativen spelar ändå roll: överlappande etiketter eller saknat underlag kan ge en till synes exakt poäng för en dåligt definierad uppgift.

Konfidens och styrning av arbetsflödet

Microsoft behandlar sannolikheter som användbara konfidenssignaler för att avgöra om man ska agera, skjuta upp eller begära granskning. Sätt tröskelvärden med hjälp av representativa märkta fall från din egen arbetslast. Tröskeln för att godta en ofarlig kategoritilldelning kan skilja sig från tröskeln för en åtgärd där ett falskt positivt resultat blir kostsamt. Ett uttryckligt alternativ för osäkert låter en klassificerare undvika att tvingas till ett val som saknar stöd.

För en ordnad poäng använder du resultatet för att jämföra objekt eller tillämpa en uppmätt tröskel; det är inte ett oberoende validerat absolut kvalitetsbetyg. Kontrollera om en omformulering av en fråga eller en ändrad ordning på alternativen påverkar beslutet. Det gör betydelsen av en returnerad poäng konkret för den applikation som använder den.

Praktiska användningsområden för en beslutsmodell

En agent kan använda ett avgränsat beslut för att välja sin nästa åtgärd, ett dokumentflöde kan klassificera inkommande material och ett utvärderingssteg kan godkänna, revidera eller eskalera ett genererat resultat. Microsoft beskriver också avsiktsanalys, routning av incidenter, sökrelevans och datamärkning som tillämpningar. En generativ modell är fortfarande rätt komponent när den önskade artefakten är en sammanfattning, en förklaring, omskriven text eller kod; beslutsmodellen kan välja nästa bearbetningssteg.

För ett Ailoot API-projekt börjar du med ett specifikt beslut och definierar underlaget, de tillåtna svaren och den åtgärd som hör till varje utfall. Ta hänsyn till modellens dokumenterade känslighet för formuleringar och till att den saknar en skriven motivering. Utvärdera besluten mot uppgiftens faktiska etiketter och granska osäkra fall innan konfidens behandlas som automatisk tillåtelse att agera.