Laplace-1-Atlas

Laplace-1-Atlas

通过一次推理给候选选项打分，帮助组织决定谁来做任务、谁能看到信息、运行什么以及接受什么。这是基于 Qwen3.8-27B 的 27.4B 模型，权重以 Apache-2.0 开放。

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-Atlas 是 JuneoAI 的 Laplace-1 两个模型中较大的一个，基于 Qwen3.8-27B，有 27.4B 参数。它是一个决策模型，会预测一个行动在组织内部产生的影响，再帮助在候选项中做选择。你给它一组选项，就能读到分布在这些选项上的概率，不需要采样，也不需要解析。

适合谁：如果你的团队让软件智能体接手工作，并希望每个选择在执行前都有一道检查，它就适合你。模型卡划分了四类决策。

行业 | 谁在用 | 怎么用 | 例子
销售运营 | 分配线索的团队 | 通过挑选谁来负责任务来分配工作 | 给新线索评级，并选出最适合跟进的人
数据治理 | 安全和合规团队 | 决定谁可以看到哪些信息 | 把客户的私密信息限制在需要的角色范围内
运营 | 自动化流程的团队 | 决定是运行、调整还是先询问 | 立即发出维修单，但把大额合同转给负责人
交付 | 质量和评审团队 | 对照标准检查结果 | 签收前把交付物和验收标准做对照

如果你想要聊天或写作模型，可以跳过它，因为模型卡把它定位为决策模型。

用在哪里：

• 组织的服务器和私有云，模型卡为这个较大的模型指明的位置
• 装有 transformers 库的 Python
• 装有 Python 的 Windows、macOS 和 Linux，用来下载文件
• 需要在行动运行前给候选行动打分的智能体系统

用例 | 谁 | 得到什么
任务分配 | 运营团队 | 每个候选负责人的概率
访问决策 | 安全团队 | 每个共享选项的概率
行动选择 | 自动化团队 | 运行、调整或先询问三者的概率分布

如何设置：
你需要先准备：

• Windows、macOS 或 Linux 上的 Python
• 约 54.7 GB 的 BF16 权重所需的磁盘和内存，4 位版本约 13.7 GB，这是估算值
• transformers 库

1. 安装或更新 Hugging Face 下载客户端。
2. 把这个仓库的文件下载到你的电脑。
3. 到模型卡的 Usage 部分查看加载步骤，这里的文字里没有它们。

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

如何使用：你把组织的状态、智能体背后的授权链以及一组候选项交给模型。然后从下一个 token 的 logits 里读出这些候选项上的概率。

工具 | 作用
pip install -U huggingface_hub | 安装或更新 Hugging Face 的下载客户端
hf download | 把模型仓库的文件下载到你的电脑

示例：你描述一个新任务，并列出三位可能的负责人。模型给每位负责人打分，你读取概率分布，就能看出它倾向谁。这里的模型卡没有给出示例输出，具体格式请查看 Usage 部分。

新手与专家：可以把它看作一个在你提供的选项中做选择的助手，比如谁该处理某个任务，或者某个行动该不该运行。第一步可以先读 Usage 部分，再用上面的两条命令获取文件。

对熟悉这个领域的读者来说，模型卡说它学习的是：在给定智能体背后授权链的情况下，组织在候选行动之后的下一个状态的干预分布。一次决策就是对候选项做一次前向推理。下面的数字是作者自己的，请在你的数据上检验。

描述组织和授权链
列出候选行动
运行一次前向推理
从下一个 token 的 logits 读取概率
做出选择，或送去审核

注意事项：

• 说法：模型卡称在 9 个决策基准中有 7 个排名第一（并列也算），TrustDecision 上为 89.4%。
• 姊妹模型：Laplace-1-Vector 有 4.1B 参数，面向本地部署和设备端使用，数据不会离开。
• 权重：完整的 BF16 权重和分词器，没有适配器，也不需要申请访问。
• 来源：模型卡说训练数据来自一个它称为 Decision Forge 的项目。

Title: AgentDecisionBench L2 上的得分
common: 95.6 %
shift: 95.5 %

• License: Apache 2.0。
• Cost to run: 未提及。你需要足够容纳 54.7 GB 权重的硬件。
• Data it reaches: 你传入的组织状态和候选行动。这里的文字没有提到联网使用。
• Not for: 聊天或写作，因为模型卡把它定位为决策模型。

Hugging Face 上的数据（2026年11月13日）

• 任务：text generation
• 框架：transformers
• 参数量：27.4B
• Weights: about 54.7 GB in BF16; about 13.7 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：10,692
• 点赞：51
• 许可证：apache-2.0
• 基于：Qwen/Qwen3.8-27B
• Quantized versions: 5
• 标签：transformers, safetensors, qwen3_5, image-text-to-text, decision-making, agents, agent-safety, causal-inference, consequence-prediction, laplace, juneo, text-generation

链接

• 模型：https://huggingface.co/JuneoAI/Laplace-1-Atlas
• 文件：https://huggingface.co/JuneoAI/Laplace-1-Atlas/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-Atlas

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。