Уверенность и вероятности
Что означает уверенность для каждого типа вопроса на единой шкале 0–1, как она влияет на minConfidence, взвешенные уровни, полные распределения вероятностей и почти ничьи.
Движок не просто выбирает ответ: он возвращает распределение вероятностей для каждого вопроса. Dcision превращает его в уверенность по каждому вопросу — всегда — и по запросу может вернуть полное распределение.
Калиброванные вероятности
Jev обучен с помощью RLCD — reinforcement learning for calibrated decisions — возвращать вероятности, которые значат ровно то, что говорят. На множестве предсказаний хорошо откалиброванной модели исходы с вероятностью 0.2 происходят примерно в 20% случаев, а исходы с 0.8 — примерно в 80%. Это свойство групп ответов, а не гарантия для отдельного ответа, — и именно благодаря ему работают пороги, эскалация и аудит.
Уверенность
confidence содержит одно число от 0 до 1 на каждый вопрос, с ключами как в result. Оно следует определению TypeSafe, поэтому у всех типов вопросов одна шкала: 1, когда вся вероятность приходится на один ответ, 0, когда она распределена равномерно или ответ — подбрасывание монеты.
| Тип вопроса | Уверенность — это… | Формула |
|---|---|---|
choice | насколько выбранный вариант возвышается над равномерным распределением между всеми n вариантами, включая other | (p_max − 1/n) / (1 − 1/n) |
score | насколько распределение сосредоточено вокруг наиболее вероятного уровня — вероятность на соседнем уровне снижает её меньше, чем вероятность на далёком | 1 − spread / spread of an even distribution, не ниже 0 |
probability | расстояние от подбрасывания монеты | |2p − 1| |
- Для вопросов choice и score Dcision использует уверенность, которую сообщает движок и которая вычислена по этим формулам; сам он применяет их, только если движок её не вернул.
- Примеры: у choice с пятью вариантами и
p_max = 0.88уверенность0.85. У вероятности0.9412уверенность0.8824; у0.03—0.94; у0.5—0. - Для вопросов score
spread— это взвешенное по вероятности расстояние, в уровнях, от наиболее вероятного уровня. При трёх уровнях(0, 0.5, 0.5)— колебание между соседями — даёт уверенность 0.25, а(0.5, 0, 0.5)— колебание между противоположными концами — уверенность 0.
Используйте уверенность в политиках ("on": "confidence") или с minConfidence вопроса, чтобы направлять неуверенные ответы человеку, — см. Маршрутизация с порогом уверенности.
Минимальная уверенность для вопросов probability
Поскольку уверенность вероятности равна |2p − 1|, порог по ней отмечает полосу вероятностей вокруг 0.5: ответ ниже минимальной уверенности c, когда p лежит строго между (1 − c) / 2 и (1 + c) / 2.
minConfidence | Отмечает вероятности между |
|---|---|
| 0.5 | 0.25 и 0.75 |
| 0.6 | 0.2 и 0.8 |
| 0.8 | 0.1 и 0.9 |
| 0.9 | 0.05 и 0.95 |
То же верно для правил с "on": "confidence": уверенность purchase_intent lt 0.6 совпадает с любым p между 0.2 и 0.8. Редактор показывает эту полосу рядом с ползунком Минимальная уверенность у вопросов probability.
Переходите с v0.1?
До v0.2 (5 октября 2026 года) уверенность вероятности была max(p, 1 − p). Новое значение ниже для того же ответа — у p = 0.8 уверенность была 0.8, а теперь 0.6. Чтобы сохранить поведение старого порога t, используйте 2t − 1: старый 0.8 становится 0.6. Вопросы choice и score по-прежнему используют собственную уверенность движка; если провайдер её не возвращает, Dcision теперь применяет формулы выше вместо наибольшей вероятности. Проверьте minConfidence и правила по уверенности у вопросов probability в Playground, затем опубликуйте новую версию.
Взвешенные уровни
Для каждого вопроса score ответ также содержит scores: взвешенный по вероятности уровень, считая с 1. При распределении low 0.02 · medium 0.21 · high 0.71 · critical 0.06 наиболее вероятный уровень — high (3), а взвешенный уровень равен 1 × 0.02 + 2 × 0.21 + 3 × 0.71 + 4 × 0.06 = 2.81.
{
"result": { "priority": "high" },
"confidence": { "priority": 0.69 },
"scores": { "priority": 2.81 }
}- Используйте его в правилах с
"on": "score", чтобы действовать между уровнями, —priority ≥ 3.5срабатывает, когда вес смещается кcritical. - Composites используют его, нормализованным в 0–1, как значение терма score.
- Используйте его для порогов и ранжирования, а не для восстановления точной величины: уровни score — это категории, а не линейка.
Полные распределения
Добавьте include=probabilities в строку запроса:
curl -X POST "https://api.dcision.io/v1/decisions/lead-qualification?include=probabilities" \
-H "Authorization: Bearer $DCISION_API_KEY" \
-H "Content-Type: application/json" \
-d '{ "state": { "message": "We need pricing for 500 users and want to start next month.", "company_size": 500 } }'В ответе появляется объект probabilities, между action_reason и metrics:
{
"result": { "purchase_intent": 0.9412, "priority": "high", "route": "sales" },
"confidence": { "purchase_intent": 0.8824, "priority": 0.69, "route": 0.85 },
"scores": { "priority": 2.81 },
"composites": { "lead_score": 0.8414 },
"action": "continue",
"action_reason": { "type": "default" },
"probabilities": {
"purchase_intent": { "yes": 0.9412, "no": 0.0588 },
"priority": { "low": 0.02, "medium": 0.21, "high": 0.71, "critical": 0.06 },
"route": { "sales": 0.88, "sdr": 0.09, "nurture": 0.02, "spam": 0, "other": 0.01 }
}
}| Тип вопроса | Распределение |
|---|---|
choice | по одной записи на вариант, в порядке вариантов, other последним |
score | по одной записи на подпись уровня, от низшего к высшему |
probability | { "yes": p, "no": 1 − p } |
Все значения округляются до 4 знаков после запятой. include принимает список через запятую; сегодня распознаётся только значение probabilities. Распределения не меняют цену вызова.
Playground всегда показывает распределения, а выполнения сохраняют их, когда включён storeOutput.
Почти ничьи
Два варианта образуют почти ничью, когда у второго вероятность больше 20% и он отстаёт от первого меньше чем на 15 пунктов, — например, { "sales": 0.46, "sdr": 0.40 }. Playground отмечает это:
Почти ничья: лучшие варианты близки. Сделайте описания вариантов более различимыми (добавьте исключения).
Почти ничья обычно означает, что описания двух вариантов пересекаются. Перепишите их как взаимоисключающие критерии («есть интерес, но пока нет бюджета или сроков») и проверьте снова — сравнение с предыдущим запуском покажет, сдвинулся ли ответ.
Использование распределений в коде
- Второй по вероятности. Когда действие —
escalate, покажите проверяющему два лучших варианта с их вероятностями. - Собственная мера. Распределения достаточно, чтобы вычислить другую статистику — наибольшую вероятность или отношение двух лучших вариантов, — если она лучше подходит вашему решению.
- Калибруйте пороги. Прежде чем выбирать
minConfidence, сравните уверенность прошлых запусков — в разделе Выполнения или черезGET /v1/executions— с тем, что произошло на самом деле.
Политики и действия
Как пишутся и вычисляются правила политик с условиями AND и как вычисляются action и action_reason каждого ответа — политика, вариант other, низкая уверенность, по умолчанию или ошибка движка.
Версии и публикация
Черновики, неизменяемые версии, публикации, slug, отключение, дублирование и удаление решений — и что видят ваши API-клиенты на каждом шаге.