Jurin AI Inc. 近日发布决策模型系列JJ-1，面向企业工作流中的结构化决策场景。该模型专为日本商业工作流设计，旨在为AI智能体和 enterprise software 提供快速、结构化的决策能力。
随着企业从生成答案的AI转向采取行动的AI智能体，软件内部的大量工作最终都归结为决策：客户请求应分配给哪个团队？紧急程度如何？是否需要升级？下一步应运行哪个工作流？Jurin AI指出，这些决策在单个工作流中可能反复出现，使得延迟和推理成本在系统规模化时变得愈发重要。
在覆盖六个评估领域的超过88,000个问题中，包括公开的英语和日语数据集以及日本企业工作流数据，JJ-1取得了79.2％的综合准确率，相比之下，Jev 1.13为76.5％，GPT-6 Luna Decision为71.35％。在日本企业工作流基准测试中，JJ-1的准确率达到97.43％，而GPT-6 Luna Decision为91.99％，Jev 1.13为91.75％。此外，JJ-1的推理成本较生成式大语言模型方法最高可降低99％。
与逐token生成答案的方式不同，JJ-1直接对预定义选项进行评分，并返回软件可用于确定下一步行动的概率。该模型围绕三个优先事项设计：快速，典型请求在单块NVIDIA B200上处理时间约为8至30毫秒；专用，针对日本商业工作流中的结构化决策任务进行微调；结构化，返回选择概率、是/否概率以及应用程序可直接使用的评分。
日本商业语言具有高度依赖语境的特点。例如，“結構です”（Kekkō desu）根据对话情境既可表示接受也可表示拒绝。在记录的示例中，JJ-1能够正确区分“結構です”的接受与拒绝用法，并在毫秒级返回决策结果。
Jurin AI表示，从在日本部署AI智能体的实践来看，一旦智能体开始执行实际工作，就会持续做出决策。单个用户请求在真正完成之前可能涉及多个决策，而在规模化场景下，每一次额外的模型调用都会增加时间和成本。该公司的判断是，未来并非由一个巨型模型完成所有工作，而是在需要深度推理或生成时使用最佳生成模型，在需要决策时使用专为决策构建的模型。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
