共 3 篇文章
Passau大学与ITU测试：决策微调是否比重排序微调更适合做重排序器。用6个Qwen模型从0.6B到27B、10个TREC DL与BEIR集合。重排序微调在0.6B到9B上赢5到29个nDCG@10点，27B打平；决策微调在9B以下不超过未微调基线。校准优势取决于问题措辞，不能弥补排序质量差距。本文分析银行知识库重排序该用什么微调目标。
Cornell与ASAPP提出DecisionRAG，用决策模型做层级检索替代第一阶段检索器：不生成token，一次前向传播给候选打分，从宽主题逐层导航到文档和段落。在MultiDoc2Dial上比稠密检索加8B重排器高13.8个R@1点，Natural Questions上17.4个Hit@1点，检索仅0.7到1.8秒。本文分析它对银行制度库、合同库和客服知识库检索的意义。
前 OpenAI 研究员发布 System One 模型 JEV：只输出带概率的类型化决策、不生成文本，延迟 70-500ms，输入价 $0.042/百万 token。对银行反欺诈、路由、Agent 监控与模型风险管理意味着什么？