Perplexity Decider

Објављујемо Decider v1.3 и Decider Flash v1.3, насљеднике наших ранијих модела одлучивања: v1, v1.1, v1.2 и Flash v1.2.

Decider Flash v1.3 је мањи модел дестилован из модела Decider v1.3. Оба модела су доступна на платформи Hugging Face под лиценцом Apache, као и преко платформе OpenRouter и интерфејса Perplexity Decisions API.

Perplexity Decider је инспирисан моделом Jev, System One Model компаније TypeSafe AI. Подржава бинарну и вишекласну класификацију с уређеним или неуређеним ознакама и враћа вјероватноће које апликације могу користити за класификовање, усмјеравање, рангирање и евалуацију улаза.

Оба модела v1.3 побољшавају перформансе и робусност у широком спектру текстуалних и визуелних задатака захваљујући двосмјерној пажњи, пажљивије одабраним подацима за обуку и унапријеђеном рецепту обуке. Уводимо и locate, нову функцију за истицање одабраног садржаја у задацима препознавања именованих ентитета, идентификације личних података и екстрактивног одговарања на питања.

У овом тексту објашњавамо како обучавамо и евалуирамо модел Decider и откривамо како га интерно користимо у компанији Perplexity.

Шта је модел одлучивања?

Модел одлучивања је класификатор опште намјене. Дајете му улаз и скуп питања, од којих свако има своје могуће одговоре. За свако питање враћа расподјелу вјероватноћа по одговорима. Подржава 3 типа питања:

• Да / Не: бинарне одлуке.
• Вишеструки избор: прилагођене ознаке за више класа.
• Оцјена: уређени нивои.

Модели одлучивања подржавају широк спектар задатака класификације и оцјењивања:

• Оцјењивање излаза: процјена вјерности, квалитета и безбједности.
• Усмјеравање: упућивање захтјева мањим или већим моделима у зависности од тежине.
• Модерација и безбједност: откривање штетног садржаја, фишинга и уметања упута (prompt injection) у излазима алата.
• Филтрирање и означавање: организовање великих збирки садржаја.
• Проналажење и поновно рангирање: оцјењивање резултата претраге према релевантности.

Многе од ових задатака раније су обављали генеративни модели попут LLM-ова, иако они не захтијевају генерисање слободног текста. Модели одлучивања налазе се између LLM-ова и класификатора специјализованих за задатке. Они враћају вјероватноће за више питања о истом улазу у једном пролазу унапријед, избјегавајући генерисање одговора токен по токен и дијелећи израчунавање међу питањима. За разлику од класификатора специјализованих за задатке, могу да обављају нове задатке путем упита на природном језику, а ту флексибилност стичу обуком на разноврсним задацима у заједничком формату питања и одговора.

Обука

Претварање генеративног LLM-а у модел одлучивања

Decider градимо прилагођавањем снажних генеративних LLM основних модела. Да бисмо објаснили то прилагођавање, прво описујемо како је захтјев представљен. Као што је приказано испод, захтјев се састоји од заједничког контекста (стања) и одређеног броја питања. Сва питања поново користе исто стање.

На примјер, за дати документ и његов сажетак, један захтјев може питати да ли сажетак вјерно представља документ и да ли је намијењен стручњаку или широј публици. Након стања, сваки блок питања садржи питање и могуће одговоре, од којих је сваком додијељен унапријед дефинисан токен ознаке, као што је A, B или C. Специјални токен <|marker|> означава мјесто на којем се очитава предвиђање модела. На тој позицији научени линеарни излазни слој (глава за одлучивање) пресликава скривено стање у оцјене за опције одговора на питање, које се затим претварају у вјероватноће.

Увећај

Излазни слој иницијализујемо из основног модела, који иначе оцјењује сљедећи токен из цијелог рјечника, и задржавамо само редове који одговарају унапријед дефинисаним токенима опција, као што су A, B или C. Овај орезани слој се затим обучава да скривено стање токена <|marker|> претвори у оцјене одговора. Овај приступ обухвата сва класификациона питања јер се сва могу формулисати као питања с вишеструким избором.

За обуку узимамо стотине јавних скупова података који обухватају разноврсне задатке (сентимент, закључивање на природном језику, откривање намјере, упаривање ентитета, модерацију, провјеру чињеница, оцјене итд.) и сваки примјер претварамо у јединствени формат описан изнад: стање, једно или више питања, њихове опције и циљ. Циљ може бити једна тачна опција ако имамо златне ознаке или расподјела вјероватноћа по опцијама.

У верзији v1.3 уводимо locate, функцију која издваја текст из стања умјесто да бира између унапријед дефинисаних опција. Питање типа locate описује шта треба пронаћи, било кратком ознаком као што је „локација“, било упутством као што је „Издвој назив града у којем се налази посао.“ Модел враћа тачан подударајући текст из стања, заједно с позицијама његовог почетног и крајњег знака. Ако не пронађе ниједно подударање, враћа празну листу.

Увећај

Захваљујући заједничком стању, један захтјев може комбиновати питања типа locate, класификације и оцјењивања о истом улазу. На примјер, може питати да ли посао захтијева искуство на сениорском нивоу и издвојити тражене вјештине.

Двосмјерна пажња: модел чита у оба смјера

Наши модели полазе од снажних унапријед обучених генеративних основних модела (backbone), чија каузална пажња омогућава сваком токену да обраћа пажњу само на себе и на претходне токене. Наше аблационе студије показале су да претварање слојева пуне пажње основног модела у двосмјерне побољшава перформансе, па смо усвојили овакав дизајн како би сваки токен могао да укључи контекст из цијелог улаза.

Двосмјерна пажња уводи још један избор у дизајну: како стање и питања треба да међусобно дјелују? Размотрили смо три обрасца пажње, с различитим посљедицама по перформансе, стабилност одговора и поновну употребу кеша:

• Све види све (v1.2): стање и сва питања обрађују се заједно уз потпуну двосмјерну пажњу. Израчунавање над стањем је заједничко, али одговор на једно питање може да се промијени у зависности од тога шта је још питано.
• Изолована питања (v1.3): стање обраћа пажњу на сва питања, док свако питање обраћа пажњу само на стање и на сопствене токене. Питања и даље могу посредно утицати једно на друго преко заједничког стања, али су резултати стабилнији.
• Потпуно погодно за кеширање: Стање примјењује пажњу само на себе, док свако питање примјењује пажњу на стање и на сопствене токене. Стање не зависи од питања и може се поново користити у више захтјева, чиме се искоришћава кеширање упита. Не користимо га подразумијевано, јер је за неколико задатака веома важно да стање види питања, али кратко фино подешавање може пребацити модел на овај режим.

На крају смо се одлучили за изолована питања због њихових снажних перформанси и стабилности.

Увећај

Рецепт обуке

Обука се за обје величине модела одвија у три фазе. Прво обучавамо већи модел, заснован на Qwen3.8-27B, помоћу унакрсне ентропије на великим скуповима података, а затим га дестилујемо у мањи модел Qwen3.5-4B.

Прва фаза је општа обука, у којој модел у потпуности фино подешавамо на корпусима великих размјера. У овој фази прихватамо само податке који помажу моделу у свим аспектима и нису специфични ни за један бенчмарк; стога искључујемо све подскупове бенчмаркова намијењене обуци.

Након што обучимо овај генералистички модел, спроводимо другу, детаљнију фазу помоћу LoRA. Подаци у овој фази усмјерени су на одређене домене и задатке. Податке додајемо у другој фази умјесто у првој ако примијетимо само уске добитке или одређене регресије на другим задацима. LoRA користимо да се не бисмо превише удаљили од генералистичког модела и ризиковали губитак перформанси зарад прилагођавања тим специфичним доменима. Циљ је побољшати перформансе уз задржавање општег знања основног модела. Приликом спајања LoRA назад у основни модел користимо и тежински фактор, како бисмо прецизније контролисали одступање и дали предност метрикама на издвојеним подацима у односу на добитке унутар домена.

На крају додајемо корак специфичан за визуелне задатке. Слично другој фази, визуелни корак се третира као још један корак фине специјализације, уз LoRA адаптер који се с одређеном тежином поново спаја с основним моделом. Неке визуелне способности могу се постићи на рачун перформанси на тексту. Пошто уочавамо да се модели знатно више користе за текст, текстуалним метрикама дајемо предност у односу на визуелне.

У обје текстуалне фазе користимо просјечне тежине из три покретања, од којих свако користи другу насумичну почетну вриједност (seed). Утврдили смо да то побољшава перформансе и робусност агрегираног модела.

Када добијемо коначни велики модел, исти поступак обуке у три фазе примјењујемо на мањи модел. Ту велики модел има улогу учитеља: његова предвиђена излазна дистрибуција замјењује референтне ознаке, а мањи модел се обучава да минимизује KL дивергенцију између својих предвиђања и предвиђања учитеља. Овај циљ дестилације надмашује унакрсну ентропију на истим подацима за обуку. Иако унакрсна ентропија даје боље резултате на бенчмарковима који имају намјенске податке за обуку, она слабије генерализује на издвојене податке. Претпостављамо да дестилација боље преноси учитељеву излазну дистрибуцију, укључујући његову сигурност у погледу алтернатива које нису референтне, док унакрсна ентропија подстиче преприлагођавање дистрибуцији података за обуку специфичној за бенчмарк. Због тога усвајамо циљ дестилације заснован на KL дивергенцији.

Да бисмо ублажили контаминацију између података за обуку и тестирање, уклањамо све узорке за обуку који би се могли преклапати с било којом евалуацијом коју користимо. То је важно јер неки јавни скупови података за обуку садрже велике дијелове појединих скупова података за евалуацију. Такође спроводимо опсежне ревизије пристрасности и уклањамо их, како бисмо били сигурни да су наши добици поуздани, а не само посљедица научених пристрасности.

Додавање могућности издвајања информација

Функција locate издваја информације као што су именовани ентитети из текста, без мијењања начина на који модел одговара на обичне захтјеве. Да бисмо то постигли, уводимо додатну фазу обуке: моделу Decider додајемо нови специјални токен <|locate|>, главу за распоне (span head) и LoRA адаптер.

Вектор уграђивања токена <|locate|> иницијализујемо из вектора токена <|marker|> наученог у претходним фазама обуке. Обучавамо само овај нови вектор уграђивања, главу за распоне и LoRA адаптере, док оригиналне тежине основног модела и главу за одлучивање држимо замрзнутим. Свако тражено поље добија сопствени токен <|locate|>.

Глава за распоне користи репрезентацију токена <|locate|> заједно с репрезентацијама токена стања како би оцијенила гдје почињу и гдје се завршавају одговарајући распони, као и који парови почетка и краја припадају заједно. Такође користи репрезентацију токена <|locate|> да предвиди прагове за ове оцјене, специфичне за свако поље. Изабрани распони враћају се као позиције знакова у оригиналном тексту.

Главу за распоне обучавамо прилагођеном InfoNCE функцијом губитка која сваки референтни распон потискује изнад прага, а праг изнад свих осталих распона. Функција губитка има два члана: први подиже оцјене исправних распона изнад прага и изнад погрешних распона. Други члан подиже праг изнад оцјена погрешних распона. Поља без одговора добијају само други члан, чиме модел учи да врати празну листу.

Обучавамо на мјешавини задатака издвајања распона, укључујући препознавање именованих ентитета, откривање PII података и екстрактивно одговарање на питања. Описе поља варирамо од кратких ознака до детаљних упутстава, тако да модел учи да слиједи захтјев умјесто да памти фиксни скуп ознака.

Locate учи модел структурно другачијем задатку, а желимо да га додамо тако да модел не изгуби оно што већ добро ради. Спајање locate адаптера са основним моделом доводи до извјесне регресије код захтјева за одлучивање. Да бисмо то ограничили, испитујемо приступе као што су више података за понављање (replay) из ранијих фаза и помоћни циљеви који излазе модела за захтјеве за одлучивање одржавају блиским излазима оригиналног модела. Ипак, утврдили смо да спајање тренутно још увијек није без губитака, па адаптере остављамо неспојене и активирамо их само за locate захтјеве.

Евалуација

Decider v1.3 и Decider Flash v1.3 евалуирамо на спољним бенчмарковима из индекса Hugging Face Decision Index, бенчмарка ClaimBench компаније Vals AI и индекса Artificial Analysis Decision Index.

У овим евалуацијама наши модели показују снажне перформансе. Иако ове ранг-листе укључују приватне задатке, њима се ипак може манипулисати путем поновљених пријава и итеративног подешавања на основу повратних информација са ранг-листе. Као допуну овим ранг-листама, моделе евалуирамо на интерном скупу који комбинује приватне продукцијске задатке са издвојеним евалуацијама из јавних скупова података који нису бенчмаркови. Ове евалуације пружају додатну провјеру генерализације изван јавних бенчмаркова и помажу нам да разликујемо шира побољшања од добитака специфичних за познате скупове евалуација.

Интерно смо направили скуп од више од 200 задатака који обухватају различите домене и врсте задатака, као што су класификација, оцјењивање, поновно рангирање и издвајање ентитета. Да бисмо поштено процијенили перформансе модела Decider у стварном свијету, све евалуације се изводе у zero-shot режиму, без финог подешавања за конкретан задатак, што нам даје јасан сигнал о томе гдје модел треба побољшати.

Класификација упита

У компанији Perplexity користимо систем класификације са више глава за обраду сваког корисничког упита. Сваки упит најприје пролази кроз модел за уграђивање (embedding) који служи као екстрактор обиљежја. Добијени вектор уграђивања се затим доводи на улаз више засебних класификационих глава, укључујући и бинарне класификаторе и класификаторе са више ознака. На примјер, једна глава одређује да ли кориснички упит треба да покрене веб претрагу.

На 63 задатка класификације, са референцама које је независно поново означио најнапреднији LLM, Decider v1.3 постиже просјечну тачност од 91,6% и надмашује наше продукционе класификаторе за 6,54 процентна поена. Decider Flash v1.3 такође надмашује продукциони референтни модел, док Decider v1.3 надмашује Jev 1.14.

Увећај

Класификација специфична за домен

Од јавних скупова података саставили смо скуп евалуација специфичних за домене како бисмо процијенили класификационе перформансе модела одлучивања у седам домена: провјера тврдњи (6 задатака), здравство (7), сајбер безбједност (8), програмирање (16), државна управа (7), право (9) и финансије (9).

На примјер, „процијени временску сложеност Python програма“ или „на основу годишњег финансијског извјештаја утврди да ли неограничена готовина компаније покрива главницу дуга која доспијева у наредних дванаест мјесеци“. Decider v1.3 предњачи у свих седам домена и надмашује Jev 1.14 за чак 12,9 процентних поена у финансијама и 9,3 поена у праву. Decider Flash v1.3 заостаје за моделом Jev 1.14 у финансијама, програмирању и праву, а у осталим доменима постиже сличне резултате.

Увећај

Проналажење и поновно рангирање

Претрага је у сржи компаније Perplexity. Одржавамо широк скуп задатака проналажења како бисмо евалуирали перформансе поновног рангирања наших модела. За сваки задатак најприје користимо групу модела за уграђивање (embedding) да из сваког корпуса пронађемо 50 најбољих кандидатских докумената. Затим те кандидате поново рангирамо помоћу модела Decider и поредимо његове перформансе са снажним референтним моделом за поновно рангирање, Qwen3-Reranker-8B.

Decider евалуирамо у zero-shot поставци по тачкама (pointwise), при чему модел директно и независно оцјењује сваки пар упит–документ и рангира документе према релевантности. У 72 задатка проналажења Decider v1.3 постиже просјечан nDCG@10 од 83,99 и надмашује Qwen3-Reranker-8B за 1,81 поен, а Jev 1.14 за 2,24 поена.

На BEIR бенчмарку оба модела надмашују Qwen3-Reranker-8B за 8,78, односно 7,05 nDCG@10. У поређењу са Jev 1.14, Decider v1.3 остварује 1,33 поена више, док верзија Flash остварује 0,4 поена мање.

Увећај

Вишејезична класификација

Да бисмо евалуирали моделе одлучивања и ван енглеског језика, саставили смо вишејезични бенчмарк за класификацију који обухвата 19 задатака специфичних за поједине језике из 8 јавних скупова података, са 46.484 примјера на осам језика: њемачком, шпанском, француском, италијанском, руском, јапанском, корејском и кинеском. Бенчмарк обухвата откривање намјере, класификацију тема, анализу сентимента, закључивање на природном језику, откривање парафраза, откривање увредљивог језика и граматичку прихватљивост.

Извјештавамо о просјечној тачности по задацима у оквиру сваког језика, при чему сваки задатак има једнаку тежину. Decider v1.3 надмашује Jev 1.14 на свих осам језика, а Decider Flash v1.3 на шест, с просјечном тачношћу по задацима од 88,16% за Decider v1.3 и 86,50% за Decider Flash v1.3, у поређењу са 85,41% за Jev 1.14.

Увећај

NER, PII и екстрактивни QA

Функцију locate евалуирамо на 17 задатака ван домена обуке који тестирају издвајање у различитим доменима, форматима улаза (текст, табеле, структурирани документи) и врстама упутстава (кратке ознаке, питања и детаљни описи). Домени сежу од чланака на сајту Wikipedia до научних радова, извјештаја о сајбер пријетњама, техничке подршке, политика приватности, биографија и правних уговора. Захтјеви се крећу од кратких назива ознака као што су „особа“ или „адреса е-поште“, преко питања о табели или тикету подршке, до детаљних описа поља за структурирано издвајање, као што су стране у NDA уговору или укупан износ на фактури.

NER и PII процјењујемо помоћу F1 мјере за тачне распоне (exact-span F1), која захтијева да се предвиђени распони тачно поклапају с референтним границама. Код екстрактивног одговарања на питања (QA) користи се F1 на нивоу знакова, која даје дјелимичне бодове за текст одговора који се преклапа, док се за структурирано издвајање користи тачност поља, односно удио исправно издвојених поља. За рашчлањивање CV-ја рачунамо просјек F1 оцјена за тачне распоне за NER и PII.

Наше моделе поредимо с моделима опште намјене за издвајање различитих величина: GLiNER large v2.5 (0,5 млрд. параметара), Liquid d1 (2 млрд. параметара) и Clairic компаније Cloudflare (величина није објављена). Decider v1.3 достиже просјечну оцјену од 69,0 (користећи примарну метрику сваког задатка), а Decider Flash v1.3 63,6, у поређењу са 43,3 за Liquid d1, 41,5 за Clairic и 33,6 за GLiNER large v2.5. Оба модела Decider предњаче у свакој категорији.

Увећај

Класификација слика

Decider изворно подржава визуелне задатке још од верзије v1. Да бисмо евалуирали његове перформансе изван текста, саставили смо скуп бенчмаркова од пет задатака с посебним фокусом на класификацију докумената, укључујући фактуре, писма и биографије. Скуп обухвата и класификацију сателитских снимака, класификацију текстура, класификацију раса кућних љубимаца и бројање животиња.

Decider v1.3 постиже просјечну тачност од 76,99% у пет визуелних задатака и надмашује Jev 1.14 за 1,47 процентних поена. Decider Flash v1.3 постиже 72,77%, чиме показује способности визуелне класификације у мањем моделу.

Увећај

Стварни захтјеви за одлучивање

Узорковали смо милион дедуплицираних захтјева с маскираним PII подацима који су упућени интерфејсу Perplexity Decision API током првих 18 дана његове доступности. Пошто сваки захтјев може садржати више питања о истом стању, узорак обухвата 2.318.887 појединачних питања. Сви захтјеви су укључени уз изричиту дозволу корисника за истраживање.

Продукциони захтјеви немају тачне (ground-truth) ознаке, па користимо најнапредније LLM моделе као оцјењиваче да генеришу референтне одговоре и мјеримо колико се сваки модел с њима слаже. Захтјеве смо такође груписали у 10 категорија задатака, укључујући издвајање информација, класификацију домена, анализу сентимента, намјеру и усмјеравање, рангирање по релевантности, модерацију садржаја, преглед квалитета и усклађености, упаривање ентитета, пословну анализу и категорију „Остало“. Ова подјела показује како се перформансе разликују у зависности од стварних случајева употребе.

Заступљеност задатака је неуједначена: на издвајање информација отпада 425.402 питања, на класификацију домена 409.564, а на анализу сентимента 344.158. Ове три категорије заједно чине 50,8% узоркованих питања.

Decider v1.3 постиже највишу сагласност са оцјењивачима, од 93,98%, у поређењу са 93,68% за Decider v1.2 и 93,35% за Jev 1.14. Decider v1.3 и Jev 1.14 су веома уједначени у класификацији домена и анализи сентимента, с разликама од 0,34, односно 0,07 процентних поена. Jev предњачи за 0,69 поена у рангирању по релевантности, док Decider v1.3 предњачи за 0,93 поена у издвајању информација (најчешћем задатку у узорку) и за 1,21 поен у намјери и усмјеравању.

Увећај

Графикон испод упоређује пријављени трошак обраде истих милион продукционих захтјева. Сваки захтјев може садржати више питања, па је јединица овдје захтјев, а не појединачно питање.

Увећај

Робусност

Осјетљивост на ознаке процијенили смо на 372 питања с вишеструким избором, упутивши 4788 захтјева по моделу. Мијењали смо редослијед опција, поново додјељивали ознаке текстовима одговора и преименовали ознаке уз очување значења сваког питања, а затим провјеравали да ли се семантички одговор модела промијенио. Нижа стопа промјене одговора указује на већу стабилност.

Decider v1.3 је при свакој трансформацији промијенио одговор на само 0,27% питања, у поређењу са 2,69–4,84% код модела Jev 1.14. Поновили смо и идентичне улазе да бисмо измјерили варијабилност при послуживању: Decider v1.3 није показао никакве промјене, док је Jev 1.14 промијенио одговор на 1,88% питања.

Увећај

Како користимо Decider

Decider је направљен за токове рада којима су потребне брзе и структуриране одлуке. У овом одјељку истражујемо како их искористити да бисмо значајно унаприједили начин на који радимо. Ево неколико примјера који су се истакли.

Безбједносна правила која се сама унапређују

Интерно већ користимо Decider за унапређење наших безбједносних политика.

Активност наших агената се биљежи и спроводи се низ провјера заснованих на правилима ради откривања било каквог проблематичног понашања. Приступ заснован на правилима значи да наше агенте можемо надгледати у реалном времену уз занемарљиво додатно кашњење. Офлајн користимо Decider за преглед узорака из ових снимљених евиденција агената. Ако никакво проблематично понашање није означено, Decider провјерава да ли је нашем скупу правила нешто промакло; а ако је подигнута узбуна, Decider провјерава да ли је у питању лажна узбуна. Сви записи у којима наш скуп правила закаже у било ком од ова два случаја шаљу се агенту на тријажу и предлаже се исправка правила, коју треба да одобри члан нашег безбједносног тима.

За један дан Decider је прочитао 1 милијарду токена из 7000 сесија агената и идентификовао недостатке који су довели до 14 исправки правила, од којих је 6 одобрено и пуштено у рад у року од два дана. Када су исправке поново примијењене на евиденције из једне седмице, обим нашег најоптерећенијег правила смањен је за 52%, а проширена правила ухватила су око 40% више легитимних радњи за истрагу.

Увећај

Надгледање RL извођења

Када моделе накнадно обучавамо (post-training) учењем с поткрепљењем, агрегатне метрике као што је завршна награда не објашњавају зашто је неко извођење (rollout, појединачни покушај рјешавања задатка) успјело или није успјело. Извођење може неправедно изгубити награду зато што је отказао сервис алата или Sandbox, или добити незаслужену награду ако евалуатор превиди неутемељену тврдњу, као што је измишљена вриједност коју ниједан алат није вратио.

Decider користимо за надгледање извођења у овим случајевима. Код најприје идентификује дијелове извођења које треба детаљније прегледати: неуспјели позив алата и расуђивање око њега, код који се извршио без грешака или коначни одговор. Decider затим одговара на питања с вишеструким избором о сваком дијелу, на примјер шта је отказало у неком кораку (сервис алата, спољни сајт, Sandbox, harness или сопствени код агента) и да ли је агент исправно протумачио резултат. Сва питања о одређеном дијелу обједињујемо у један захтјев и чувамо вјероватноће умјесто пресуде, тако да касније можемо подешавати прагове без поновног слања упита Decider-у. Монитор само посматра и дијагностикује: никада не мијења награду нити зауставља извршавање.

Увећај

Филтрирање страница по квалитету

При обиласку веб страница (crawling) које индексирамо и приказујемо корисницима, многе странице су толико лошег квалитета да немају никакву употребну вриједност. То обухвата зидове против ботова, CAPTCHA провјере и странице с грешкама, али и исправно учитане веб странице које једноставно не садрже никакве корисне информације, као што су спам, SEO пунило или странице које служе само за навигацију. Ове странице ниског квалитета треба препознати и уклонити из нашег индекса.

Помоћу модела Decider можемо процјењивати квалитет страница док их индексирамо. У истом пролазу унапријед обављамо и низ других задатака класификације, као што је утврђивање домена и циљне публике садржаја, те да ли садржај садржи штетне или незаконите информације или личне податке на основу којих се може утврдити идентитет. У поређењу с коришћењем LLM-а као судије, Decider је знатно бржи и јефтинији.

Увећај

Осим ових интерних примјена, Decider одговара и токовима рада као што су сљедећи.

Визуелно одговарање на питања

Пошто Decider чита слике, функционише и као визуелни контролор: прегледа стилске измјене на веб страницама или у апликацијама и идентификује грешке. Може да прегледа снимке екрана страница у потрази за одсјеченим текстом, елементима који се преклапају и нарушеним распоредом прије него што се измјена објави, или да означи графиконе чији би дизајн могао да заведе читаоца или прекрши смјернице бренда.

Увећај

Навигација у прегледачу

Агенти могу користити Decider за мале одлуке унутар већих задатака. Агент прегледача може у сваком кораку послати снимак екрана и добити детаљне информације о стању странице и очекиваном исходу сваке могуће радње.

Увећај

Планирање истраживачких задатака

Питања корисника могу се знатно разликовати по сложености, као и по дубини претраге која је потребна да би се пронашао одговор. Decider то може процијенити прије почетка претраге, што омогућава да се на једноставна питања утроши мање ресурса.

Увећај

Први кораци

Decider враћа вјероватноће. Одговарајући праг одлучивања зависи од примјене. Учесталост ознака и релативна цијена лажно позитивних и лажно негативних резултата разликују се од случаја до случаја. Зато препоручујемо корисницима да прагове подесе на малом, репрезентативном означеном развојном скупу, умјесто да претпостављају да ће фиксна гранична вриједност подједнако добро функционисати у свим задацима.

Препоручујемо Decider v1.3 за нијансиране процјене, детаљне рубрике и токове рада у којима су грешке скупе. Изаберите Decider Flash v1.3 за усмјеравање, означавање и филтрирање великог обима, гдје су кашњење и трошак главна ограничења. Процијените оба модела на репрезентативним примјерима из свог радног оптерећења, а затим изаберите модел који испуњава ваше захтјеве у погледу квалитета, кашњења и буџета.

Оба модела су доступна као тежине за преузимање на платформи Hugging Face под лиценцом Apache, као и преко платформе OpenRouter и интерфејса Perplexity Decisions API.

Цитирање

@online{perplexity2026PerplexityDecider,
  author = {{Perplexity} and Antoine Chaffin and Jonas Golde and Louis Milliken and Sarah Eslami and Markus Krimmel and Nandor Licker and Aleksandr Nikolenko and Ron Heichman and Bo Wang and Jarrod Bryan and Jeremy Yang and Denis Yarats},
  title = {{Perplexity Decider}},
  date = {2026-11-12},
  url = {https://www.perplexity.ai/hub/blog/perplexity-decider}
}