Modelo de decisión

Un modelo de decisión lee una situación y una lista de preguntas, y devuelve una probabilidad para cada respuesta permitida en lugar de escribir texto.

  • Modelos y arquitectura
  • Actualización

Un modelo de chat genera palabras y te deja a ti interpretarlas. Un modelo de decisión está construido para el paso en el que un agente debe elegir: envías la situación y preguntas tipadas, como «verdadero o falso», «elige uno de estos equipos» o «puntúa la gravedad de uno a cuatro». El modelo puntúa todas las opciones permitidas en una sola pasada, de modo que el resultado es un conjunto de probabilidades que tu código puede usar para aplicar un umbral, enrutar o pasar a una persona. Clef, de Cloudflare, post-entrenado a partir de Qwen, es un ejemplo abierto, y su formato de petición es compatible con Jev, de Typesafe AI. Son otros ejemplos: d1, de Liquid AI; los modelos Decider de AutoTrust; pplx-decider, de Perplexity; Prism, de Sarvam, construido sobre un modelo de 105B; Smaug-Decisions, de Abacus.AI, que también acepta audio; hs-decide-1-flash, de Hindsight; y DuplexJev, de Adventists AI, que decide turnos de palabra, interrupciones y tono directamente desde el audio de voz.

Como no se genera texto, estos modelos pueden ser rápidos y consistentes, y puedes cambiar las etiquetas sin reentrenar. No pueden explicarse ni tomar acciones, y las preguntas muy cargadas de razonamiento pueden encajar mejor en un modelo de chat más grande. Trata las probabilidades como puntuaciones que debes validar con tus propios ejemplos etiquetados, porque la calibración varía, y las tablas de benchmark de los proveedores salen de las ejecuciones del propio proveedor.

Términos relacionados

  • Agente de IA Un agente de IA es un sistema en el que un modelo planifica y ejecuta tareas de varios pasos llamando a herramientas, como ejecutar código, buscar en la web o editar archivos.
  • Llamada a herramientas (function calling) La llamada a herramientas permite que un modelo pida a tu programa que ejecute una función, como una búsqueda o una calculadora, y luego use el resultado en su respuesta.
  • Modelo multimodal Un modelo multimodal puede manejar más de un tipo de datos, como texto, imágenes, audio o vídeo, como entrada, como salida o ambos.
  • Ajuste fino (fine-tuning) El ajuste fino continúa el entrenamiento de un modelo preentrenado con tus propios ejemplos para que se comporte mejor en una tarea, un estilo o un dominio concretos.

Todos los términos