StartLux-Decision发布自适应决策模型，不确定时才推理
StartLux-Decision推出0.8B至27B决策模型：Instant单次预测，AutoThink只在不确定时推理。RLCD²最多将限内结束比例提高48个百分点，平均推理长度最多缩短65%。27B AutoThink在Decision Index公开子集达73.4。价格与国内可用性未知。
要点
- 模型规模为0.8B至27B，Instant保持单次预测，AutoThink仅对不确定决策显式推理。
- RLCD²最多将推理在生成上限内结束的比例提高48个百分点，平均推理长度最多缩短65%。
- DecisionPivot以单一细节翻转答案的对照对检验模型；AutoThink的成对准确率比Instant高11.5至18.4点。
为什么值得看
许多决策并不需要全程长推理。AutoThink按置信度分流，RLCD²用冻结模型与适当评分规则提升决策概率质量，并对过长推理施加软惩罚，从而缩短推理且基本保持准确率。
谁会受影响
面向研究可校准决策、计算型判断，或希望在vLLM、llama.cpp、MLX上试用开源决策模型的研究者与开发者。
今天就能怎么试
资料称模型支持vLLM、llama.cpp和MLX，并提供量化版本；相关页面列出27B AutoThink的GGUF与DecisionPivot数据集。价格、国内可用性未知，本条未实测。
原始来源
1StartLux-Decision: AutoThink Decision Models with Reinforcement Learning for Calibrated Deliberative Decisions · Hugging Face Daily Papers · 2026年10月12日✓ 已打开核对本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。
相关动态
开放世界模型结合游戏引擎，单卡生成实时可玩画面
Matrix-Game 4.0 让轻量引擎负责规则和状态，视频模型将低多边形画面转成细致视觉，编码智能体则修改场景与玩法。论文报告 RTX 5090 上实现 480p、60 帧交互，按键到显示延迟为 112 毫秒，并宣布开放代码与资产。实时帧率需与响应延迟分开看。
业务智能体基准检查执行过程，完成任务也可能判失败
BizAgentBench 将 789 份知识文档、601 项业务工具和 50 个长流程任务放进可执行环境，既核验最终目标，也检查中间步骤约束。论文显示只看任务完成会掩盖无效操作；HF 早期标题为 BizBench，arXiv 修订版已改名。同时还应记录任务过程中的工具调用成本。
中英密集文字生图基准发布，专测海报长文与布局
UltraText Bench 提供 432 条人工检查的提示，覆盖 24 类真实场景，中英文各半，每张图要求四至十二处文字。评估分别看文字准确、清晰度、空间安排和场景质量，揭示快速模型可能更清晰却更容易写错字的取舍。适合中文海报选型。
AI协助发现PHP高危漏洞，网站维护者面临集中修补
爱范儿梳理 PHP2Shell 漏洞披露与紧急修补过程，介绍 OpenAI 安全研究在构造可复现证据中的作用。事件涉及底层软件广泛使用带来的连锁影响；具体风险取决于运行版本与部署条件，不能把使用 PHP 都等同于已经遭入侵。