蚂蚁数科发布决策模型LingDT-Decision-1.0,称准确率超过微软、Jev等决策模型
蚂蚁数科10月22日发布决策模型LingDT-Decision-1.0,提供4B和27B两个版本,已在DTMaaS平台上线并限时免费开放。官方在客服、风控、金融等真实业务场景测试称,相比大语言模型Token消耗降低超90%、响应时效提升10倍,其中智能客服场景相比Qwen-3.7-flash风险识别准确率由76%提升至89%,金融场景幻觉召回率由44%提升至70%。
蚂蚁数科把客服风控这类高频结构化判断从通用大模型中拆出,做成主打成本与时延的专用决策模型,数据均为官方自测口径。
- 影响意图判断、工单分派这类高频任务可能多一个专用模型选型,Token成本和时延有了新参照;官方数字未经独立评测,选型前需用自有业务数据复测;一套模型覆盖多类判定任务或可降低接入维护成本。
- 参考可考虑先盘点客服、风控中的高频判断任务清单,算出现有Token成本与响应时延作为基线;限时免费期值得用真实工单测试多选与按序决策是否匹配自身业务流程。