同底座决策模型评测：训练提升速度成本，未恢复推理能力

一项基于 Qwen3.5-9B 的实测对比显示，对同一底座模型做“决策模型”训练后，正确率从基线的 0.53 提升到 0.6–0.7 区间，其中 Perplexity Decider 达到 0.84、每千次调用成本 0.009 美元，被评为性价比最佳；但训练并未恢复底层模型的推理能力，主要收益在于速度和成本。 评测由一名作者在 OpenRouter 上进行，用 450 道答案确定的代码生成题、每题跑 5 遍，比较多个基于同一 Qwen3.5-9B 的模型，目的是验证 Jev 等人提出的“决策模型”是否真比底层 LLM 更会决策。评测仅覆盖代码生成这一类任务，结论限于该底座和该测试设置。

AI 根据报道生成 · 35 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。