Több valós példán és teszteseten keresztül mutatja be a videó a Perplexity új, pplx-decider-v1.2 modelljét, amely konkrét üzleti szituációkban segít döntéseket hozni, például ügyfélszolgálati levelek kezelésében vagy ügyfél-elégedettség mérésében. Vizsgálja, hogy a modell mennyire pontosan képes felismerni, ha egy ügyfél elakadást tapasztal vagy mennyire elégedetlen, és mennyi bizonyossággal rendeli hozzá az egyes lépéseket, csapatokat egy beérkező üzenethez.
Az elemzés során képeket is felhasználnak, így tesztelve, hogyan funkcionál a döntésmodell összetett helyzetekben, például amikor jogi szabályozásokat kell felismernie vagy helyes döntéseket kell hoznia valós élethelyzetek képi megjelenítése alapján. Felmerül a kérdés, hogy a modell hogyan boldogul különböző országok jogszabályainak következtetéseivel, valamint a vizuális információk helyes értelmezésével.
A videó összehasonlítást kínál a korábbi verziókkal és más döntésmodellekkel is, kiemelve, hogy bizonyos feladatokban az új verzió jobb lett, míg más területeken kevés az előrelépés. Rávilágít, hogy egyes szituációkban a modell tévesen értelmezheti az ügyfél érzelmeit vagy a vizuális információkat, ezért fontos az emberi ellenőrzés. Izgalmas kérdés, hogy mennyire megbízható, ha automatizált döntéshozásról van szó a napi céges működés során.
Az anyag kitér arra is, hogyan változott a modell architektúrája, milyen újdonságokat hoz a Gwen 3.8-as, 27 milliárd paraméteres háttere, illetve mekkora erőforrásokat igényel. Megemlíti, milyen benchmark tesztekre támaszkodik a fejlesztés, és felveti a gondolatot: valóban helyettesítheti-e már az emberi döntéshozót egy ilyen fejlett AI megoldás?
