蚂蚁数科LingDT-Decision首发信息抽取能力，已开放免费调用

蚂蚁数科决策模型LingDT-Decision对System One协议进行拓展，首次集成信息抽取能力，突破传统决策模型仅支持单选、判断等题型的局限。该模型通过mid-train、强化学习等技术，适配产业侧对决策精度和效率的双重需求。

以Jev为代表的决策模型目前只能处理选择、判断类问题。但在产业决策中，除了做选择判断，还需要从上下文中抽取金额、日期等关键信息来综合决策。例如客服工单中客户称“多扣了199元”，退款金额是开口的数值类型，难以用选择、判断或评分功能提取，System One模型从设计上难以处理这类信息抽取问题。

针对这一缺陷，LingDT-Decision在System One协议上新增extract题型，原生支持信息抽取。应用指定要查找的字段后，模型可返回对应的原文片段和位置，客服便能在工单中看到“199元”被划出。技术上，该模型沿用拼接输入、基座Prefill、取特定Token向量、计算目标Token概率的路径，抽取头为原文每个Token给出B、I、O三个分数，并在同一Token的三个分数间用softmax计算标签概率。

目前，LingDT-Decision的信息抽取性能已超过同尺寸甚至更大尺寸生成式模型，并兼具速度优势和推理可靠性。该模型已在蚂蚁数科DTMaaS平台开放，Slotting功能可参考DTMaaS公开调用示例免费体验。