bibibi.cc正在加载…
蚂蚁数科发布LingDT-Decision-1.0，并披露多个业务测试中的效率与准确率数据。
蚂蚁数科发布决策模型 LingDT-Decision-1.0，准确率超微软和JEV等模型
PANews 10月22日消息，蚂蚁数科正式发布决策模型 LingDT-Decision-1.0，提供4B和27B两个版本，目前已上线蚂蚁数科 DTMaaS 平台，开发者可限时免费体验。该模型专为快速决策任务设计，通过将大模型"先生成、再解析"的模式转变为"在限定选项中直接判断"，在客服、风控、金融等真实业务测试中，Token消耗降低超90%，响应时效提升最高10倍。其中智能客服场景风险识别准确率由76%提升至89%，金融场景幻觉召回率由44%提升至70%。LingDT-Decision-1.0 还全球首创原生多选与按序决策（DAG）能力，可一次识别多个诉求并按任务依赖关系完成多步决策，更贴合...
蚂蚁数科正式发布决策模型LingDT-Decision-1.0。
该模型提供4B和27B两个版本。
该模型目前已上线蚂蚁数科DTMaaS平台，开发者可限时免费体验。
报道描述该模型面向快速决策任务，可在限定选项中直接判断。
报道声称，在客服、风控、金融等真实业务测试中，Token消耗降低超90%，响应时效最高提升10倍。
报道声称，智能客服场景风险识别准确率由76%提升至89%，金融场景幻觉召回率由44%提升至70%。
报道声称，该模型具备原生多选与按序决策（DAG）能力。
以下为辅助分析，与已报道事实分开展示；重要信息请进一步核实。
这是一款用于从限定选项中作出判断的决策模型。报道表示，它可一次识别多个诉求，并依据任务之间的依赖关系完成多步决策。文中列出的性能和准确率数字属于报道中的产品测试结果。
如果文中所述指标能够在实际部署中复现，这类模型可能减少Token消耗、缩短响应时间，并改善客服、风控和金融场景中的识别表现。
新手可关注4B与27B版本的使用门槛、限时免费体验条件，以及实际任务中的准确率和成本表现，不应仅凭标题中的横向比较判断模型优劣。
正在加载事件时间线…