动态定义选项
每个候选在自己的标记位置被评分，因此新的 Choice 结构不需要为固定分类头重新训练。
TypeDecide 首页
模型介绍 · 轻量模型
Laya 421M 模型介绍
Laya 421M 是基于 ModernBERT 的非自回归结构化决策模型，可在一次前向计算中处理多个 Choice、Score、Noul 问题。本页说明其动态选项评分、部署条件、适用任务，以及英语检查点、候选数量和概率校准方面的限制。
返回模型目录
许可初筛本地部署轻量待平台实测
Laya 421M 是什么？
Laya 是非自回归的 System One 决策模型。它接收 State 和预先定义的 Choice、Score、Noul 问题，不生成自由文本，而是直接返回选项、概率分布和置信度。
模型以 ModernBERT-large 为骨干，并增加两层决策头、选项标记评分器和 act/escalate 头。模型卡标注总规模为 421M；一次调用中的多个问题可在同一个前向过程中批量计算。
这种设计把输出空间限制在调用方声明的候选项内，省去 JSON 解析和生成式约束，但它仍然是需要业务数据验证的分类式模型。选择 Laya 时，应把本地可部署和较小体量视为工程优势，而不是默认准确率或校准质量的保证。
- 开发者
- Convai Innovations
- 技术路线
- ModernBERT + Decision Head
- 模型规模
- 421M
- 许可证
- Apache-2.0
- 语言范围
- 主检查点为英语；多语言使用独立检查点
- 输入长度
- 主检查点每个问题 512 tokens
- 运行环境
- Python · Transformers · 可本地部署
- 资料核验
- 2026-09-19
推理路径
一次结构化决策如何形成
一次前向计算
同一 State 下的多个问题共同批处理，输出每个问题的完整概率分布，不执行输出 token 解码。
温度校准
项目使用按问题类型和选项数量拟合的温度；部署到新业务数据时仍应重新检查校准。
采用判断
适合做什么，以及先检查什么
适合评估
- 需要自托管的客服分流、意图分类、审核或路由实验
- 问题类型固定，但候选项会随请求变化的结构化决策
- 愿意使用业务标注数据进行专项微调与温度校准的团队
已知限制
- 主检查点面向英语；其他语言应使用单独的 laya-multilingual 检查点。
- 模型卡建议 Choice 控制在约 20 个选项以内，过大的候选空间会挤压选项描述预算。
- 公开的 typed-decisions 高分来自在该任务训练集上微调的专用检查点，不能当作基础检查点的零样本能力。
- 项目明确指出 Score 是较弱的决策原语，概率进入自动化阈值前应在自有数据上校准。
来源与边界
公开资料，不是 TypeDecide 统一实测
本页根据项目模型卡、仓库说明和其中公开的训练或评测设置整理。不同项目的硬件、数据集、版本、温度与样本量不同，公开数字不能直接组成排行榜；生产采用前仍需复核许可证并在目标数据上重测。
继续了解