StartLux kompaniyasi StartLux-Decision v1.1 ochiq qaror qabul qilish modellar toʻplamini chiqarib berdi. StartLuxning 27B Instant modeli endi Hugging Face platformasida Decision Index 0.3.2 reytingida birinchi oʻrinda turibdi. StartLux Genora inkubatorida joylashgan kompaniya hisoblanadi.
Decision Index jamoa tomonidan qoʻllab-quvvatlanadigan reyting boʻlib, TypeSafe bilan bogʻliq emas. Oktabrning 16-sanaiga koʻra, 27B Instant modeli toʻliq 69.12 ball olgan holda birinchi oʻringa chiqdi. U shuningdek, reytingning uchta tarkibiy qismidan har birida yetakchilik qildi: jamoatchilik bazalarida 72.88, shu koʻnikmalardagi maxsus sinovlarda 64.82 va yangi sohalardagi maxsus vazifalarda 61.41.
Ikkinchi oʻrin 66.26 ball bilan vLLM-SR d3 modeli, Jev 1.14 esa 61.53 natija koʻrsatdi.
Bu modellar tor amaliy vazifani bajarish uchun ishlab chiqilgan. Matn, JSON yoki tasvir shaklida ifodalanishi mumkin boʻlgan holat va tur turlari koʻrsatilgan belgilangan savollar toʻplamini olgan holda, model har bir variant uchun ehtimollikni beradi: roʻyxatdan tanlash, «ha» yoki «yoʻq» hukmi yoki miqyos boʻyicha daraja. Instant modellar soʻrov ustida ikki tomonlama diqqatni ishlatib, bitta toʻgʻridan-toʻgʻri oʻtishni amalga oshiradi.
AutoThink modellar ham shunga oʻxshash ishlaydi, agar javobga amin boʻlsa, ammo eng yuqori ehtimollik belgilangan chegaradan, standart ravishda 0.6 dan pastga tushsa, ular qisqa fikrlash izini hosil qiladi, keyin javobni qayta tahlil qiladi.
Seriya Instant va AutoThink variantlaridagi 0.8B dan 27B gacha boʻlgan parametrli sakkizta ochiq modelni oʻz ichiga oladi, ular GGUF va MLX kvantlangan formatlarida mavjud. Ular vLLM va MLX da ishlay oladi. Ushbu modellar vaznlari tijorat maqsadlarida foydalanishni taqiqlaydigan CC BY-NC 4.0 litsenziyasi ostida chiqarilgan.
Decision Index 0.3 ning jamoatchilik qismida StartLux 27B AutoThink modeli uchun 0.9 chegarasida mustaqil erishilgan 73.37 natijasini maʼlum qiladi. Bundan tashqari, kompaniya oʻzining tekshiriladigan yechimlar uchun DecisionPivot — kontrast juftliklari asosida yaratilgan oʻziga xos benchmarkni taqdim etdi, bu juftliklar javobni oʻzgartiruvchi bitta batafsizlik bilan farqlanadi va siyosatlar, reyestrlar, grafiklar, ruxsatnomalar va vosita chaqiruvlarini qamrab oladi. StartLux 27B AutoThink modeli uchun juftliklarning aniqlik darajasini 86.9% deb eʼlon qiladi. Shuni taʼkidlash kerakki, bu ikkala koʻrsatkich ham mustaqil natijalar emas, balki kompaniya tomonidan taqdim etilgan maʼlumotlardir.
arXiv da 2610.17309 raqami ostida nashr etilgan texnik hisobot uch bosqichli oʻquv jarayonini va RLCD-squared nomli kuchaytirish orqali oʻqitish usulini tasvirlaydi. Bu usul toʻgʻri ball berish qoidalaridan foydalanib, yanada aniqroq qaror qabul qilish ehtimolliklari uchun mukofot beradi va haddan tashqari uzun fikrlash uchun yumshoq jazo beradi. Mualliflar bunga oʻrtacha fikrlash uzunligini taxminan 65% ga qisqartirishga imkon berganini, yuqori aniqlikni saqlagan holda, taʼkidlaydi.
Loyihaning saytidagi namoyishlar modellar qanday qilib shaxmatlarda, Super Mario Bros., StarCraft II va kompyuter yordamida xarid qilish vazifasida bosqichma-bosqich chaqiruvlarni bajarishini koʻrsatadi, bunda har bir bosqichda bitta matnli soʻrov kiritiladi.
