AI资讯新闻榜单内容搜索-决策模型

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
搜索: 决策模型
DeepSeek之后,StartLux再来:开源首个决策模型推理引擎,推理快至5.3倍

DeepSeek之后,StartLux再来:开源首个决策模型推理引擎,推理快至5.3倍

DeepSeek之后,StartLux再来:开源首个决策模型推理引擎,推理快至5.3倍

StartLux(原点星辉)开源首款面向决策模型的推理引擎Prism,实测同一材料连续处理三道问题最高提速5.3倍,单题平均延迟为41毫秒。

来自主题: AI资讯
8429 点击    2026-10-24 13:49
断层领先Jev,全球第一!决策模型新王震撼发布新版本

断层领先Jev,全球第一!决策模型新王震撼发布新版本

断层领先Jev,全球第一!决策模型新王震撼发布新版本

StartLux发布StartLux-Decision新版本,推出Instant与AutoThink双模型矩阵及原创RLCD²,在Decision Index 0.3和DecisionPivot评测中领先多款模型,并公开模型权重与推理代码。

来自主题: AI资讯
9739 点击    2026-10-17 12:04
0.6B起!Jev对手模型来了,开源多模态,登上全球测评榜一

0.6B起!Jev对手模型来了,开源多模态,登上全球测评榜一

0.6B起!Jev对手模型来了,开源多模态,登上全球测评榜一

vLLM Semantic Router推出并开源Decision 3.0系列多模态决策模型,覆盖0.6B至27B六款模型,其中d3在Jev Decision Index 0.3.1文本榜和视觉榜均排名第一。

来自主题: AI资讯
9931 点击    2026-10-12 19:23
被a16z看中,上线三周的Jev拿下75亿美元估值

被a16z看中,上线三周的Jev拿下75亿美元估值

被a16z看中,上线三周的Jev拿下75亿美元估值

TypeSafe AI完成8.7亿美元A轮融资,投后估值达75亿美元,由a16z领投,其可直接写入代码的决策模型Jev上线后迅速增长。

来自主题: AI资讯
10919 点击    2026-10-10 12:39
Jev被请下王座,StartLux中国开源决策模型冲上第一

Jev被请下王座,StartLux中国开源决策模型冲上第一

Jev被请下王座,StartLux中国开源决策模型冲上第一

StartLux发布完全开源的StartLux-Decision,其27B版本在Decision Index 0.2.1的38项基准中有31项超过Jev 1.13,并以63.88分升至公开榜首。

来自主题: AI资讯
9392 点击    2026-10-06 14:39
多场景新 SOTA!Ateve Jev 发布:让 AI 更会做选择!

多场景新 SOTA!Ateve Jev 发布:让 AI 更会做选择!

多场景新 SOTA!Ateve Jev 发布:让 AI 更会做选择!

Ateve 团队发布 AI 决策模型 Ateve Jev,首个版本 ateve-jev-v1 支持候选选择、是非判断和等级评分,并上线 TokenDance 平台。

来自主题: AI资讯
9739 点击    2026-10-05 23:54
本地版Jev 1G内存就能跑!四舍五入等于不要钱啊

本地版Jev 1G内存就能跑!四舍五入等于不要钱啊

本地版Jev 1G内存就能跑!四舍五入等于不要钱啊

开发者mizorewww将开源决策模型Laya移植到Apple MLX框架,推出本地版Laya-MLX,可在Apple Silicon Mac上以低于1GB内存运行并摆脱PyTorch与云端API依赖,421M版本峰值内存943.6MiB、322M多语言版本687.6MiB。

来自主题: AI资讯
9470 点击    2026-09-22 21:43
NeurIPS Spotlight | 基于信息论,决策模型有了全新预训练范式统一框架

NeurIPS Spotlight | 基于信息论,决策模型有了全新预训练范式统一框架

NeurIPS Spotlight | 基于信息论,决策模型有了全新预训练范式统一框架

现如今,以 GPT 为代表的大语言模型正深刻影响人们的生产与生活,但在处理很多专业性和复杂程度较高的问题时仍然面临挑战。在诸如药物发现、自动驾驶等复杂场景中,AI 的自主决策能力是解决问题的关键,而如何进行决策大模型的高效训练目前仍然是开放性的难题。

来自主题: AI技术研报
9716 点击    2024-12-18 09:47
率先解决多类数据同时受损,中科大MIRA团队TRACER入选NeurIPS 2024:强鲁棒性的离线变分贝叶斯强化学习

率先解决多类数据同时受损,中科大MIRA团队TRACER入选NeurIPS 2024:强鲁棒性的离线变分贝叶斯强化学习

率先解决多类数据同时受损,中科大MIRA团队TRACER入选NeurIPS 2024:强鲁棒性的离线变分贝叶斯强化学习

近日,中科大王杰教授团队 (MIRA Lab) 针对离线强化学习数据集存在多类数据损坏这一复杂的实际问题,提出了一种鲁棒的变分贝叶斯推断方法,有效地提升了智能决策模型的鲁棒性,为机器人控制、自动驾驶等领域的鲁棒学习奠定了重要基础。论文发表在 CCF-A 类人工智能顶级会议 Neural Information Processing Systems(NeurIPS 2024)。

来自主题: AI技术研报
5706 点击    2024-11-16 15:13