Hugging Face · 每日论文·2026-10-12 04:00· 4 天前精选AI 评分54

StartLux-Decision：基于强化学习的自适应推理决策模型

StartLux-Decision: AutoThink Decision Models with Reinforcement Learning for Calibrated Deliberative Decisions

AI 导读

StartLux-Decision 是一系列从 0.8B 到 27B 参数的决策模型，结合单次推理与置信度引导的显式推理。Instant 模型通过双向注意力提升准确性，AutoThink 模型在不确定时调用推理，自信时直接回答。

推荐理由

提出了结合强化学习与置信度引导推理的决策模型，通过 RLCD^2 方法显著缩短推理长度并提升决策质量，可为构建高效推理系统提供新思路。