Towards Foundation Decision Models: Drex

一句话概括

Drex 是一族开源决策模型（Decision Model），在给定问题与选项时直接输出选项上的概率分布，不做自回归解码。其最大型号 Max 在 Decision Index 0.4.1 上取得所比较决策模型中的最优成绩，并以 183 ms 的典型响应时间明显快于对比的通用大模型。

任务与方法：输入为「状态（文档、记录或智能体上下文，可含图像）+ 若干问题」，每个问题要求在多选项中择一、做是/否判断或在有序量表上打分；模型直接返回概率分布。
模型规模：共 4 个开源模型，分别为 8B（DLM）、9B（v1.5）、35B 总参/3B 激活（v2.0）、27B（Max）。
关键数字：Decision Index 0.4.1 公开套件上 Max 得 67.52，对比的 Jev 1.14.0 为 60.70；典型请求耗时 183 ms，GPT-6 Sol 约 2.0 s，Claude Opus 5.5 约 3.5 s。
数据与开源：4 个模型全部开源，代码见 github.com/nace-ai/drex-decision-models；训练数据构成摘要未给出。

自回归（autoregressive）大模型加长链式思维（chain-of-thought）推理，已成为新 AI 应用的默认方案，在广泛任务上准确率更高。

但摘要指出，这类方案在生产环境存在 3 个问题：答案不一致、输出需要额外解析、成本与延迟上升。

决策模型的思路是改变输出形式：用户提供问题与选项，模型一次前向即给出选项上的概率分布，跳过逐 token 解码。这样输出天然可解析，也便于比较不同选项的置信度。

输入形式：每次请求由 1 个状态与若干问题组成。状态可以是文档、记录或智能体（agent）上下文，可选带图像。
问题形式：3 类，即在选项中择一、是/否判断、在有序量表上打分。三者都被归约为对候选答案的概率分配。
训练流程：监督微调（supervised fine-tuning）与「基于调整反馈的强化学习」（reinforcement learning from adjusted feedback，RLAF）结合；Max 额外做视觉微调（vision tuning）。
消融结果：RLAF 提升准确率；一致性损失（consistency loss）提升模型对选项顺序的鲁棒性。

在 Decision Index 0.4.1 上，Max 于所比较的决策模型中刷新最好成绩：公开套件 67.52，Jev 1.14.0 为 60.70。

在 Decision Bench v4 上，Max 与 d3-turbo、GPT-6 Sol 统计上打平，落后 Claude Opus 5.5 约 1.6 分。在 DecideBench 上，它在决策模型中准确率最高。

效率方面，Max 处理典型请求耗时 183 ms；GPT-6 Sol 约 2.0 s，Claude Opus 5.5 约 3.5 s。摘要还称其输出在选项重排下保持稳定。

这篇论文的立场不是「把模型做得更聪明」，而是「把输出接口改得更适合生产」。概率分布式输出把解析、重试与一致性校验的负担从工程侧移走，代价是模型只能回答被给定的选项。

从数字看，Max 与顶级通用模型在准确率上接近打平，但延迟低一个数量级。这提示决策模型的价值主要在成本与稳定性，而非绝对精度上限。

对智能体（agent）场景，这种「状态 + 多问题 + 概率输出」的接口较自然：一次调用可批量获得多个判断及其置信度，便于下游做阈值决策。