**Intern-Decision：基于自回归掩码语言建模的高效多模态决策模型**

_Intern-Decision: Efficient Multimodal Decision Making with Autoregressive Masked Language Modeling_

> Intern-Decision 系列模型（0.8B、2B 及 4B 参数）通过自回归掩码语言建模技术，实现了高效的多模态决策。该模型在完整助手 JSON 骨架中为每个字段设置决策占位符，仅需在监督阶段使用真实符号，即可在单次因果前向传播中评估所有字段。实验表明，4B 模型在七个评测集上的加权平均准确率达到 90.02%，优于 Jev v1.13.0，且推理延迟显著低于生成自由文本响应。此外，温度缩放和基于置信度的任务分发策略进一步提升了模型的校准度和在困难任务上的准确率，证明了紧凑决策模型作为智能体系统核心组件的实用价值。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.22131)