Laplace-1-Vector

Laplace-1-Vector

判断 AI 智能体该采取哪个行动、谁该负责任务、谁能看到什么，这是一个能在你自己硬件上运行的 4B 模型，组织数据不出门。

由 JuneoAI 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Laplace-1-Vector 是 JuneoAI 的 4B 决策模型，是 Laplace-1 系列里的小型边缘成员。它被设计成放在 AI 智能体旁边，在行动执行之前，判断这个行动会在组织内部引起什么后果。它在你自己的硬件上运行，所以数据留在你手里。

适合谁：如果你的团队让 AI 智能体在公司内部行动，又想要一道不把数据送到外部的检查，它适合你。

Title: Who uses this model
行业 | 谁在用 | 怎么用 | 例子
销售运营 | 营收团队 | 决定谁来负责一条新线索 | 给线索打分，并点名最适合跟进的人
合同与法务 | 运营人员 | 把超出审批额度的工作转交出去 | 把大额合同交给它的负责人，而不是自己处理
现场服务 | 调度团队 | 让智能体处理常规工单 | 不问人就下发一张维修单
专业服务 | 交付团队 | 在签收前检查成果 | 把交付物和验收标准做对比

如果你没有运行智能体，也没有要分流的决策，可以跳过它。

用在哪里：

• 使用 transformers 库的 Python 脚本
• 在智能体旁边，运行在你组织自己的硬件上
• 装有 Python 的 Windows、macOS 或 Linux，用来下载文件

Title: Jobs it does
用途 | 适合谁 | 得到什么
分配工作 | 团队负责人 | 谁该负责一项任务的排序
共享信息 | 安全和数据团队 | 谁可以看到什么、能看多少的判断
行动 | 智能体开发者 | 直接执行、调整或先询问的结论
评估结果 | 审核人员 | 对照标准检查一个结果

如何设置：你需要 Python 和约 8.2 GB 的磁盘空间放 BF16 权重，按 Hugging Face 的估算，4 位副本约 2.1 GB。

• 带 pip 的 Python
• huggingface_hub 包
• 用来加载文件的 transformers 库

1. 安装 huggingface_hub。
2. 运行下载命令，把模型文件保存到你的电脑。
3. 在你自己的脚本里用 transformers 加载这些文件。

pip install -U huggingface_hub
hf download JuneoAI/Laplace-1-Vector

如何使用：你把组织的状态、智能体背后的授权链和候选行动交给模型。一次决策只需要一次前向计算。你从下一个 token 的分数里读出候选项上的分布，不需要采样，也不需要解析。模型卡里有一节用法，给出了确切格式。

示例：一个智能体手里有一份超出额度的合同，有三个选择：发出、调整或先询问。你把背景和三个候选项传进去。模型为每个选项返回分数，被看好的最高，强度表示证据有多坚定地指向它。

新手与专家：你可以把它看作智能体的一个快速第二意见。智能体行动之前，先问哪个选项最好，以及模型有多确定。第一次小测试就是给一个任务准备两三个候选行动。

模型学习的是，在给定谁授权了智能体的前提下，一个候选行动之后组织的下一个状态是什么样。公开文本只记录发生了什么，不记录一个行动在公司内部引起了什么，模型卡把这个模型定位为填补这个空白。它基于 XHToken/Spark-X2.6-4B 构建，更大的 27B Laplace-1-Atlas 是这个系列的旗舰。

组织状态和授权链
输入候选行动
一次前向计算
每个候选项的分数

注意事项：作者报告称，在他们运行的 8 个基准中，Vector 在 7 个上排名第一，对比的是多家实验室的模型，并列也算在内。他们还说在 COMPASS、OrgAccess 和 Coherence 上，27B 的 Atlas 最多领先 Vector 0.5 分。这些都是他们自己的结果。其他人发布了 1 个量化版本。

Title: AgentDecisionBench L2 score
常见: 89.6 %
偏移: 88.1 %

• License: Apache 2.0。
• Cost to run: 未提及。
• Data it reaches: 文件来自 Hugging Face，之后模型在你自己的硬件上运行，所以决策不需要外部服务。
• Not for: 模型卡自己的预期用途和局限性部分排除的任何情形，所以请先读那一部分。

Hugging Face 上的数据（2026年11月13日）

• 任务：text generation
• 框架：transformers
• 参数量：4.1B
• Weights: about 8.2 GB in BF16; about 2.1 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：10,582
• 点赞：44
• 许可证：apache-2.0
• 基于：XHToken/Spark-X2.6-4B
• Quantized versions: 1
• 标签：transformers, safetensors, spark2_5, text-generation, decision-making, agents, agent-safety, causal-inference, consequence-prediction, on-device, laplace, juneo

链接

• 模型：https://huggingface.co/JuneoAI/Laplace-1-Vector
• 文件：https://huggingface.co/JuneoAI/Laplace-1-Vector/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download JuneoAI/Laplace-1-Vector

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。