# RLAF 强化学习验证答案微调

Drex 把“做选择”从生成文本改成一次前向打分：给定上下文、问题和候选选项，模型直接为每个选项输出概率，不再解析大模型写出的答案。四个开源决策模型中最大的 Drex Max 在 Decision Index 0.4.1 公开套件上得 67.52，对比 Jev 1.14.0 的 60.70；加入私有测试后分数下降不到一分。它在 Decision Bench v4 的原始图像输入下与 d3-turbo、GPT-6 Sol 统计上持平，典型请求耗时 183 毫秒。

Drex 把“做选择”从生成文本改成一次前向打分：给定上下文、问题和候选选项，模型直接为每个选项输出概率，不再解析大模型写出的答案。四个开源决策模型中最大的 Drex Max 在 Decision Index 0.4.1 公开套件上得 67.52，对比 Jev 1.14.0 的 60.70；加入私有测试后分数下降不到一分。它在 Decision Bench v4 的原始图像输入下与 d3-turbo、GPT-6 Sol 统计上持平，典型请求耗时 183 毫秒。

Drex把“做选择”从让大模型生成文本再解析答案，改成一次前向传播直接为给定选项打分。四个开源模型中最大的Drex Max在公开决策基准Decision Index 0.4.1上得67.52，对比Jev 1.14.0的60.70；加入私有测试后其分数下降不到1分。在Decision Bench v4上，Drex Max与d3-turbo、GPT-6 Sol统计上持平，比Claude Opus 5.5低1.6分，而典型请求耗时183毫秒。

Drex把“做选择”从让大模型生成文本再解析答案，改成一次前向传播直接为给定选项打分。四个开源模型中最大的Drex Max在公开决策基准Decision Index 0.4.1上得67.52，对比Jev 1.14.0的60.70；加入私有测试后其分数下降不到1分。在Decision Bench v4上，Drex Max与d3-turbo、GPT-6 Sol统计上持平，比Claude Opus 5.5低1.6分，而典型请求耗时183毫秒。