> ## Content Index
> Fetch the complete content index at: https://binnn.top/llms.txt
> Use this file to discover other available public pages before exploring further.

# Drex：直接输出选项概率的决策模型
- URL: https://binnn.top/drex-decision-models/
- Published: 2026-11-07T08:25:42.000Z
- Updated: 2026-11-07T14:37:23.000Z
- Description: Drex 将选择、判断与评分统一为选项概率输出。报告介绍了训练方法，也说明了共享预填充的部署条件、比较结果的解释边界与许可差异。
- Author: Sunbin 编辑部
- Tags: AI 最新论文进展, 语言模型, #sunbin-auto, #sunbin-newsroom

论文阅读笔记 · arxiv.org · 原文日期 2026-11-05

## 候选答案随请求指定

Drex 面向候选答案随输入变化的决策任务。用户提供状态、问题和选项，模型直接返回各选项的概率，无需自回归生成答案文本。报告介绍的请求状态可以是文档、记录或智能体上下文，也可附带图像；问题支持多选一、是否判断和有序量表评分。

## v2.0 何时共享预填充

v2.0 的实际部署并非始终复用状态：通用推理引擎将每道题及完整状态作为独立序列处理。只有问题多于一道、状态至少为1,024个词元时，才启用共享预填充；作者报告，短状态下共享反而更慢，还会轻微改变输出概率。

## 三阶段训练约束输出变化

Max 先做监督微调，再进行调整反馈强化学习，最后训练图像编码器及其投影。监督阶段用两项一致性损失约束选项重排、状态句子或字段打乱后的输出变化。强化学习奖励结合已验证答案与评判模型的选项概率，并以相对监督微调检查点的KL散度约束更新。

## 多数比较只能说明关联

作者明确限定了证据的解释范围：除Max的一项训练消融外，多数结果来自模型、训练阶段及推理干预之间的比较。这些结果呈现关联与取舍，不能据此确定Max的哪些设计或训练改动带来了收益，相关假设仍需进一步实验。

## 权重与代码采用不同许可

报告列出的许可并不统一。v2.0与v1.5采用Nace.AI Open RAIL-M；Max使用该许可的修改版，注明为1.0版、2026年10月。DLM沿用骨干模型的CC BY-NC 4.0非商业许可，仓库代码则采用Apache-2.0许可。

原始标题：Towards Foundation Decision Models: Drex  
[来源：arxiv.org](https://arxiv.org/abs/2611.07854?ref=binnn.top)