شرکت آنت دیجیت تکنولوژیز (Ant Digital Technologies) به‌طور رسمی از مدل تصمیم‌گیری جدید خود با نام LingDT-Decision-1.0 رونمایی کرد. این مدل به‌طور اختصاصی برای تصمیم‌گیری‌های سریع طراحی شده و در پردازش وظایف تصمیم‌گیری ساختاریافته، از مزایایی چون دقت بالاتر، پاسخگویی سریع‌تر و هزینه‌های کمتر توکن برخوردار است که آن را به‌ویژه برای سناریوهای هوش مصنوعی صنعتی مناسب می‌سازد.
مدل LingDT-Decision-1.0 در دو نسخه 4B و 27B ارائه شده و هم‌اکنون در پلتفرم DTMaaS این شرکت در دسترس قرار گرفته است تا توسعه‌دهندگان بتوانند به‌صورت محدود و رایگان آن را تجربه کنند.
آزمایش‌های تیم آنت دیجیت در سناریوهای کسب‌وکار واقعی مانند خدمات مشتریان، مدیریت ریسک و حوزه‌های مالی نشان می‌دهد که در مقایسه با مدل‌های زبانی بزرگ سنتی، LingDT-Decision-1.0 می‌تواند مصرف توکن را بیش از ۹۰ درصد کاهش دهد، سرعت پاسخگویی را ۱۰ برابر افزایش دهد و عملکرد بهتری از خود به نمایش بگذارد.
طراحی‌شده برای وظایف تصمیم‌گیری با کارایی بالا
در کاربردهای عملی سازمانی، تعداد زیادی از وظایف تصمیم‌گیری با فرکانس بالا وجود دارد. مدل‌های زبانی بزرگ سنتی در چنین سناریوهایی ضعف‌های آشکاری دارند؛ زیرا معمولاً نیازمند استدلال توکن به توکن و سپس تولید متن خروجی هستند که چرخه‌ای طولانی و پرهزینه ایجاد می‌کند و مستعد خطاهای بیشتر است.
مدل‌های تصمیم‌گیری دقیقاً برای رفع همین چالش‌ها طراحی شده‌اند. هدف آن‌ها تولید متن نیست، بلکه انجام قضاوت‌های سریع و دقیق است. بنابراین، این مدل‌ها به طور طبیعی برای وظایف تصمیم‌گیری پرکاربرد در کسب‌وکارها، مانند تشخیص نیت، انتخاب ابزار، دسته‌بندی قوانین و امتیازدهی نتایج ایده‌آل هستند.
بررسی‌ها نشان می‌دهد که نسخه ۲۷ میلیاردی (27B) این مدل در میان مدل‌های هم‌رده خود بالاترین دقت را کسب کرده و در ۲۳ بنچمارک ارزیابی منبع‌باز، امتیاز کلی بالاتری نسبت به مدل‌های محبوب دیگری مانند Microsoft-Decision-1 و JEV ثبت نموده است.
ویژگی‌های پیشرفته در نسل جدید مدل‌های تصمیم‌گیری
مدل LingDT-Decision-1.0 علاوه بر قابلیت‌های پایه مانند قضاوت، تک‌انتخابی، دسته‌بندی و رتبه‌بندی، برای نخستین بار قابلیت‌های «چندانتخابی بومی» و «تصمیم‌گیری ترتیبی» (DAG) را ارائه می‌دهد تا به شکل بهتری پاسخگوی نیازهای پیچیده و چندمرحله‌ای کسب‌وکارها باشد.
در سناریوهای واقعی سازمانی، کاربران اغلب به جای یک انتخاب ساده، نیازمند شناسایی مجموعه‌ای از موارد و اجرای ترتیبی آن‌ها هستند. پشتیبانی از چندانتخابی و تصمیم‌گیری ترتیبی در این مدل، تطابق بسیار بیشتری با جریان‌های کاری واقعی در حوزه‌های مالی، مدیریت ریسک و پشتیبانی مشتریان دارد.