Decitron: Мировая первая общая модель ИИ для принятия решений выпущена

Генерация ответов становится базовой способностью ИИ, а моделирование реального мира — более сложная задача следующего этапа.

Реальные решения — это не статичный вопрос с ответом. Они происходят в мире, который постоянно меняется, где несколько участников действуют одновременно, информация неполна и полна неопределенности.

Например, если новая открытая модель внезапно резко снижает стоимость, последуют ли за этим компании-лидеры в области моделей и снизят ли цены? Как перестроятся позиции облачных провайдеров, разработчиков и прикладных компаний? В таких решениях действия одной стороны меняют условия, с которыми сталкиваются другие стороны, а новые реакции продолжают переписывать ситуацию. Это как шахматная партия, где все игроки делают ходы одновременно: каждый сделанный ход меняет всю доску.

На этом фоне после выпуска решения Decitron от Zhongke Wenge (сокращенно — решение) его назвали «первой в мире универсальной решающей большой моделью» множество ведущих технологических СМИ. Этот термин подчеркивает не первое появление отдельных технологий, таких как модели мира, многоагентные системы или решение игр, а то, что решение впервые объединило эти возможности в единую рамочную систему принятия решений для открытого мира, создав полный цикл непрерывного моделирования, прогнозирования, решения и калибровки.

Термин «универсальный» означает попытку абстрагировать сложные проблемы принятия решений из различных областей в единую структуру — состояние мира, участники, пространство действий, ограничительные отношения, многоэтапное взаимодействие и неопределённые результаты — и непрерывно моделировать и решать их в рамках этой же системы.

Адрес технического отчета: https://chinaxiv.org/abs/202608.00064

3 августа был официально выпущен полный технический отчет Decitron, впервые систематически раскрывший три ключевых технологических достижения:

Во-первых, предложен явный мировой модель MetaWorld, которая структурирует, сохраняет и делает вычисляемыми мультиисточную информацию в виде мирового состояния и его причинно-следственного моделирования; во-вторых, применена формализация State–Action–Outcome (SAO), преобразующая сложные решения в вычисляемые выражения и формы рассуждений; в-третьих, создана гибридная архитектура рассуждений AutoABM, объединяющая моделирование множества агентов, игровые рассуждения и формальную оптимизацию, которая решает сложные задачи принятия решений, такие как поиск равновесия в играх, планирование стратегий и удовлетворение ограничений, на основе системы рассуждений множества агентов. Вместе эти три компонента образуют техническую основу решающего механизма, цель которого — превратить однократные суждения ИИ в непрерывный вычислительный и рассудительный процесс, обновляемый в соответствии с изменением мира.

Сейчас ключевые способности, необходимые ИИ для «моделирования принятия решений» — такие как модель мира, многоагентные системы, игровое рассуждение и вероятностное прогнозирование — уже постепенно появляются. Настоящая сложность заключается в том, что когда ИИ переходит от закрытых задач к открытому реальному миру, эти способности должны работать совместно, опираясь на единое, постоянно обновляемое состояние мира, а не предоставлять независимые анализы в рамках одного запроса.

Сначала рассмотрим мировые модели. Когда упоминается World Model, люди часто думают о таких моделях физического мира, как Sora, World Labs, V-JEPA, которые в основном ориентированы на визуальные, пространственные, физические или робототехнические среды. Однако MetaWorld, предложенная Decision Machine, фокусируется на более сложных сценариях принятия решений: экономика, политика, корпоративная конкуренция, геополитика и другие открытые системы, где моделирование включает гораздо более сложные субъекты, переменные, отношения и ограничения.

MetaWorld можно рассматривать как расширение модели мира на социальные системы, которое требует решения трех сложных проблем: различия в правилах, рефлексивность (двустороннее взаимодействие и циклическое влияние между причиной и следствием) и неустранимая неопределенность. Это также порождает прямой вопрос: если оценка текущего мира ошибочна, не повлияет ли это на последующие прогнозы?

После входа в социальную систему недостаточно просто поддерживать состояние среды; ИИ также должен определять, как действуют другие участники. Модель Richelieu, предложенная командами Meta и Пекинского университета, уже продемонстрировала способность нескольких агентов взаимодействовать и вести игры при ограниченной информации; однако для реальных решений в открытых мирах, после моделирования действий всех сторон, необходимо дополнительно оценивать, являются ли стратегии осуществимыми, на каких равновесиях может завершиться игра, а также вероятности и условия различных будущих сценариев.

Значение Decision Engine заключается в том, что его гибридная архитектура рассуждений AutoABM объединяет семантическое понимание LLM, структурированное представление SAO, моделирование и симуляцию многоагентных систем, а также стратегическое рассуждение и оптимизацию в единой цепочке реализации, соединяя четыре этапа: «понимание мира — моделирование и симуляция — поиск решения — оценка будущего».

Система принятия решений состоит из шести уровней: ввод и задачи, данные и знания, моделирование и формализация, симуляция и рассуждение, прогнозирование и калибровка, отчетность и интерпретация, образуя полную цепочку от реальной информации до выхода решения.

Далее, используя пример «Как может развиваться сложный торговый конфликт в ближайшие шесть месяцев?», мы рассмотрим, как машина принятия решений на основе реальной информации постепенно формирует текущее состояние мира, моделирует действия всех сторон, прогнозирует различные возможные сценарии и определяет условия, при которых эти сценарии могут реализоваться.

Шаг первый: не спешите прогнозировать будущее, сначала разберитесь, что происходит сейчас, и какие факты заслуживают доверия.

Информация из реального мира может быть хаотичной, дублироваться, противоречить самой себе или устареть. Машина принятия решений сначала преобразует вопрос пользователя в структурированную задачу, четко определяя, что именно нужно ответить, какие субъекты вовлечены, какой временной период следует рассмотреть и какие ограничения существуют. В данном случае система сначала определяет основных участников конфликта, временные рамки и текущие точки спора, затем систематизирует условия, которые могут повлиять на развитие ситуации — такие как тарифы, цепочки поставок, промышленная политика и поведение компаний — и на основе этих факторов собирает информацию из различных источников, включая новостные статьи, социальные сети и исследовательские отчеты.

Рисунок 2: Диаграмма процесса обработки данных

Собранные данные сначала проходят через дедупликацию, кластеризацию и извлечение событий, после чего структурируются в виде временной шкалы событий и набора более детализированных единиц доказательств. Затем система оценивает качество каждой информации с помощью Evidence Quality Score (EQS), учитывая релевантность текущему вопросу, надежность источника, актуальность и полноту содержания, а также согласованность между различными источниками. В зависимости от уровня достоверности доказательств определяется их дальнейшая судьба: доказательства с высокой достоверностью напрямую переходят к последующему анализу.

Если имеющихся доказательств недостаточно или возникают противоречия между различными источниками, система продолжает выполнять альтернативные рассуждения и поиск на основе ReAct, корректируя следующий поиск в соответствии с недостающей информацией и дополняя существующую хронологию новыми данными.

Рисунок 3: Использование чередующегося механизма рассуждения и поиска на основе ReAct

Второй шаг: преобразуйте отфильтрованные факты в постоянно обновляемое «состояние мира». Факты сообщают системе, что произошло; далее необходимо определить: в каком состоянии находится мир сейчас, с учетом всех этих изменений.

Решающая машина формализует этот процесс с использованием представления State–Action–Outcome (SAO), где State описывает текущее состояние мира, Action фиксирует действия, предпринятые различными агентами в текущем состоянии, а Outcome записывает результаты, такие как прибыль, убытки, затраты и риски, вызванные этими действиями. Стоит отметить, что State различает макросостояния и более детализированные количественные состояния. В данном случае эскалация трений может быть макросостоянием, а уровень тарифов, цены на товары, степень влияния на цепочки поставок и другие параметры могут быть включены в более детализированные записи состояния.

Кроме того, система отдельно учитывает внешние воздействия, такие как внезапные изменения в политике, изменения окружающей среды или другие события, не находящиеся под контролем агента. После совершения действия и наступления внешнего события состояние мира обновляется. Обновленное состояние становится отправной точкой для следующего действия. Так повторяется цикл, формируя непрерывную траекторию SAO.

Рисунок 4: Процесс выполнения SAO

Ответственность за поддержание этих состояний лежит на MetaWorld, которая выводит структурированное состояние мира, пригодное для вычислений и обновлений. Состояние можно разделить на три уровня: Environment Layer фиксирует общую среду, доступную всем участникам, например, этап ситуации, цены ресурсов и т.д.; Agent Metrics Layer отслеживает ресурсы, способности и прогресс целей каждого агента; Relationship Matrix Layer фиксирует изменения отношений между различными агентами.

MetaWorld также использует причинно-следственный DAG (因果 направленный ациклический граф) для ограничения того, как изменяется состояние: возможные влияния между переменными организуются в причинно-следственном графе на этапе моделирования. В процессе вывода система обновляет состояния узлов и веса причинно-следственных связей, но не пересоздает причинно-следственный граф на каждом цикле.

Это важно для долгосрочного моделирования. Предыдущие изменения по тарифам влияют на цены, а цены, в свою очередь, изменяют выбор компаний и реакции других участников; все эти изменения необходимо сохранять, чтобы продолжить дальнейшие расчеты. MetaWorld выполняет роль этого постоянно обновляемого «глобального реестра».

На третьем шаге, имея мировое состояние, агенты начинают действовать. Традиционное агентно-ориентированное моделирование (ABM) обычно требует, чтобы эксперты заранее определили участников, правила поведения, переменные среды и механизмы взаимодействия. При смене вопроса необходимо заново моделировать многое. Предложенный Decision Engine AutoABM автоматизирует этот этап: на основе естественного языка система объединяет внешние данные, извлекает участников, цели и ограничения, пространство действий, переменные среды и причинно-следственные связи, а затем строит среду многопроцессорного моделирования на их основе.

В торговом конфликте могут одновременно участвовать различные агенты — правительство, компании, отраслевые организации, потребители и другие — каждый из которых имеет свои цели, ресурсы, предпочтения в отношении рисков и непреложные границы. Эти агенты не обладают божественным взглядом и действуют исключительно на основе имеющейся у них частичной информации.

На каждом этапе действия агент сначала извлекает предыдущие взаимодействия и исторические данные, затем оценивает возможности, риски и ограничения в текущей ситуации, генерирует несколько альтернативных стратегий и выбирает одну из них. При этом на каждом этапе система не ограничивается продвижением только в одном направлении: одновременно развивается несколько различных сценариев состояния мира, включая относительно стабильные равновесные траектории, более оптимистичные или пессимистичные направления эволюции, а также маловероятные, но высокоimpact-ветвления, которые при реализации кардинально меняют ситуацию. Затем эти траектории отбираются и проверяются, состояние мира обновляется, и процесс переходит к следующему этапу. По мере продолжения действий всех участников некоторые траектории теряют свои условия для реализации, в то время как другие становятся более вероятными.

Рисунок 5: Паттерны поведения агента

Помимо многопроцессорного моделирования, сложные решения требуют «математического арбитра». Многопроцессорные системы могут генерировать множество кажущихся разумными сценариев будущего, но просто представить их — не значит реализовать. Реальные решения ограничены жесткими факторами, такими как бюджет, ресурсы, время, политические границы и баланс интересов всех сторон.

Система интегрирована с формализованными решателями, способными решать пять классов задач: классические игры, распределение ресурсов и оптимизация, планирование и расписание маршрутов, вероятностные выводы в условиях неопределенности и удовлетворение ограничений. Например, можно вычислить, как распределить ресурсы при ограниченном бюджете, какие равновесия могут возникнуть в многосторонних играх, или превышает ли стратегия заданные пороговые значения — все это обрабатывается на этом уровне. В области игр система включает в себя девять классических атомарных игр, таких как дилемма заключенного, охота на оленя, игра «смелый» и игры с нулевой суммой, охватывающие 144 топологии Robinson–Goforth 2×2 для идентификации и решения различных игровых структур.

Суть этого слоя заключается в том, что кандидатские стратегии, сгенерированные многими агентами, возвращаются в вычисляемые рамки игр, ограничений и оптимизации, превращая «семантически обоснованные» решения в «формально проверяемые».

На бенчмарке TMGBench для оценки способностей многопроцессорных игр решение достигло точности равновесия 99,4%, точность распознавания топологии — 100%, среднее время решения — 0,8 секунды, оценка объяснимости — 4,3/5,0.

Таблица 2: Пять основных типов решаемых задач

Разделение труда между многопроцессорным моделированием и формальным решением четко определено: первое отвечает за раскрытие возможных путей, а второе — за проверку, устойчивы ли эти пути в рамках ограничений и игровой структуры.

На последнем этапе моделирования остался один ключевой вопрос: какова вероятность реализации каждой из ранее рассмотренных сценариев будущего? Для этого решающая машина настроила этап прогнозирования и калибровки (Forecasting & Calibration).

На основе ранее полученных кандидатских путей этот уровень продолжает обработку неопределённостей: система объединяет результаты вывода модели и внешние сигналы калибровки, присваивая различным результатам вероятности, а затем калибрует эти вероятности с использованием информации прогнозных рынков, исторической точности прогнозов и правил оценки вероятностей. Решающая машина больше не предоставляет просто список сценариев «что может произойти» — каждый путь теперь сопровождается соответствующей оценкой вероятности и продолжает обновляться по мере поступления новых доказательств и результатов вывода.

Мы можем представить это как динамически изменяющуюся «карту будущего»: дальнейшее обострение торговых трений, временное смягчение отношений или появление новых неожиданных факторов могут стать различными ветвями. Система оценивает вероятность каждой траектории и определяет, какие изменения сделают ту или иную дорогу более вероятной.

Рисунок 6: Модуль прогнозирования вероятностей

至此，决策机将一轮完整的决策推演串联了起来。

Отчет использует несколько экспериментов для проверки выводящей системы принятия решений, наиболее интересными являются результаты «прогнозирования событий и вероятностей».

Сначала рассмотрим набор собственных событий для прогнозирования, чтобы оценить, может ли структурированное моделирование улучшить прогнозирование событий. Команда создала набор данных, содержащий 74 события и 370 бинарных вопросов на прогнозирование, охватывающий несколько категорий событий с высокой нестабильностью, и включил различные горизонты прогнозирования в оценку. В условиях оценки команды общий результат модели принятия решений составил 78,41%.

Кроме того, в настройках LLM-NEWS для краткосрочной группы 3–30 дней результаты решающей машины составили 72,80%, а GPT-5.5 и Claude-4.7 — соответственно 35,43% и 44,62%; по мере перехода к среднесрочному и долгосрочному горизонтам разница постепенно сокращается. То есть структурированный вывод демонстрирует относительно более выраженные преимущества в краткосрочных сценариях, где ситуация быстро меняется, а исторические закономерности трудно применять.

Затем — дополнительные эксперименты на открытой прогнозной маркетинговой платформе PolyBench.

FFA (окончательная точность прогноза) машины принятия решений составляет 81,20%, EVPA (точность прогнозирования ожидаемой волатильности) — 73,40%, MSE (среднеквадратическая ошибка) — 0,822; все три показателя превосходят показатели Gemini-3-Flash, MiMo-V2-Flash и Grok-4.1-Fast. Это свидетельствует о том, что машина принятия решений лучше справляется с определением направления изменений рыночных вероятностей и контролем ошибок вероятности.

Генеративный ИИ использует токены в качестве базовой единицы вычисления и решает задачу «как сгенерировать следующий фрагмент содержимого»; а ИИ для принятия решений оперирует изменениями состояния мира в качестве базового объекта вычисления и решает задачу «как одно действие изменит последующее состояние мира». Первый фокусируется на том, является ли ответ разумным, второй должен также учитывать причинно-следственные связи, реальные ограничения, реакции противников и изменения вероятностей. Между ними существует не простое наложение возможностей, а изменение вычислительной парадигмы.

Решающая ИИ не может естественным образом возникнуть только за счет большего количества параметров и более сильных языковых способностей. После выхода в открытый мир базовые модели остаются важными, но они начинают превращаться из целой системы в составную часть системы принятия решений. Единицей конкуренции ИИ также смещается с отдельной модели на целую систему.

Техническое значение решающего механизма заключается в том, что он объединяет ранее разрозненные способности в единую структуру принятия решений. Под «универсальностью» не подразумевается предсказание будущего во всех областях, а то, что проблемы из различных областей могут быть переведены в термины состояния, действия, результата, ограничений и неопределенности и включены в единую рамку моделирования и решения.

С этой точки зрения истинная ценность «первого в мире универсальной модели принятия решений» заключается не только в завоевании титула «первого», но и в формировании относительно полного технического контура «универсальной модели принятия решений»: явное описание мира через состояния, действия через многоагентные системы, проверка стратегий с помощью теории игр и оптимизации, а также вероятностная калибровка различных сценариев будущего. Соответственно, критерии оценки ИИ также начинают меняться — теперь важно не только то, насколько точен ответ, но и сохраняется ли согласованность состояний, можно ли проверить выводы, надежны ли вероятности и обновляется ли модель при появлении новой информации.

В конце концов, звучащий правильно ответ не равен решению, выдерживающему изменения реальности.

Эта статья с веб-сайта WeChat «Machine Heart» (ID: almosthuman2014), автор:關注決策AI的