开发工具与开源

蚂蚁数科发布决策模型 LingDT-Decision-1.0，面向企业高频判断任务

InfoQ 中文AI 辅助整理 · 已审核

原文发布：2026年10月22日 19:16（北京时间）
本站收录：2026年10月22日 20:07

发生了什么

蚂蚁数科发布 LingDT-Decision-1.0，提供 4B 和 27B 两个版本，面向智能客服、安全风控、金融等企业场景，处理意图识别、任务分类、工具选择和风险判断等结构化任务。模型支持多选与按序决策，已上线蚂蚁数科 DTMaaS 平台。蚂蚁数科公布的测试显示，模型在部分场景降低了 Token 消耗、提升了处理速度；其 27B 版本在覆盖 23 项开源基准的评测中综合评分超过若干参评决策模型。相关结果为厂商披露，生产应用仍需结合业务规则与执行系统。

值得了解的技术要点

01
模型提供 4B 和 27B 两个参数规模，主要处理意图识别、任务分类、工具选择及风险判断等结构化决策任务，并支持多选和按序决策。
原文依据
02
蚂蚁数科称，在覆盖 23 项开源基准的评测中，27B 版本综合评分超过 Microsoft-Decision-1、Jev 1.13.0 及 Fastino/GLiDE 等模型；评测采用单选评分占 90%、多选评分占 10%的加权方式。
原文依据
03
蚂蚁数科披露，在数据标注和智能客服测试中，模型相较指定对照模型降低了 Token 消耗并提升处理速度；这些是厂商公布的测试结果。
原文依据

面霸解读 · 学习与职业

从业者可关注结构化决策模型与通用大语言模型的分工，并练习将业务需求转化为候选选项、任务依赖和可验证的评测指标。实际落地还需考虑权限、业务规则及异常输入处理。

意图识别与任务分类工具选择与调用多选决策有向无环图（DAG）任务依赖表示风险判断

可以试着讨论

面对包含多个目标且存在先后依赖的用户请求，如何设计任务表示与评测方式，确保决策结果能安全衔接业务执行？

用于拓展思考，不代表真实面试题。

继续阅读原文

又一国产决策模型发布：面向企业高频判断任务，23 项开源基测准确率超过微软和 JEV

InfoQ 中文 · 中文摘要不能替代完整原文，技术细节以来源和项目文档为准。