蚂蚁数科LingDT-Decision首发信息抽取能力:从决策到精准提取的升级

作者:技王数据恢复实验室 发布日期:2026-11-12 09:03:04

Abstract file symbols illustrating vector extraction and token representation.(1)
Abstract file symbols illustrating vector extraction and token representation.(1)

蚂蚁数科于2026年11月11日在北京正式发布LingDT-Decision模型,该模型在System One协议中首次集成了信息抽取能力,突破了传统决策模型仅支持单选或判断的功能局限。 技王数据恢复

核心突破:从“做选择”到“提信息”

传统的决策模型(如Jev)主要处理单选题、判断题或评分题,其输出通常是预定义选项中的一个。然而,在真实的产业决策场景中,往往需要从非结构化文本中提取关键实体(如金额、日期、订单号)作为决策依据。LingDT-Decision通过扩展System One协议,原生支持“信息抽取”题型,能够直接从用户对话或工单原文中精准定位并提取关键字段。 www.fixhdd.cn

技术实现机制

LingDT-Decision沿用了决策模型的基础架构,但在概率计算环节进行了针对性优化:

www.fixhdd.cn

  • 输入拼接:将待抽取文本、指令及工单原文拼接为序列。
  • 向量提取:基座模型进行前向计算(Prefill)后,不仅提取决策位向量,还抽取标签内部每个Token的向量表示。
  • 概率计算:引入专门的“抽取头”,为原文每个Token计算B(片段开头)、I(片段延续)、O(不属于片段)三个标签的概率。通过Softmax计算每个位置属于特定实体的概率,从而实现从字符级别到语义级别的精准定位。

性能表现与评测结果

根据官方发布的评测数据,LingDT-Decision在多项指标上表现优异:

技王数据恢复

Abstract file symbols depicting high-performance data extraction metrics.(2)
Abstract file symbols depicting high-performance data extraction metrics.(2)
  • 综合评分:在23项开源评测基准中,其27B版本综合评分位居第一,超越了Microsoft-Decision-1、Jev 1.13.0等热门模型。
  • 信息抽取效果:在10个典型的信息抽取基准测试中,整体性能超过同尺寸甚至更大尺寸的生成式模型,兼具高精度、低延迟与推理稳定性。
  • 多选能力:4B和27B版本在多标签与组合判定任务中,准确率超过16个同类决策模型。

获取与使用方式

目前,LingDT-Decision模型已在蚂蚁数科DTMaaS平台正式开放。开发者可通过DTMaaS平台免费调用Slotting(槽位填充/信息抽取)功能。官方提供了公开的调用示例,供AI平台工程师、决策系统架构师及金融/电商领域算法工程师进行体验和集成。 技王数据恢复

如需了解具体的API调用细节或企业级部署方案,可访问蚂蚁数科DTMaaS平台查看相关文档。 技王数据恢复

来源:InfoQ 中文 IT 资讯 - 面向产业决策的升级:蚂蚁数科LingDT-Decision首发信息抽取能力 www.fixhdd.cn

技术审核:邓严军|技王数据恢复实验室技术总监 www.fixhdd.cn


上一篇:GitHub 负责人质疑 PR 流程:AI 编程时代,开发协作范式正在重构

下一篇:多云 FinOps:一种用于跨云成本优化的工程框架

热门阅读

你丢失数据了吗!

我们有能力从各种数字存储设备中恢复您的数据

Scroll to Top