一篇新的arXiv预印本提出DecisionPivot，这是一个面向LLM系统中负责路由、护栏和输出校验等决策角色的诊断基准，包含48项任务、共40033道题，覆盖七类决策角色。其核心赛道包含来自13个生成式任务族的7800道题，按对比组组织，答案由独立实现的求解器验证；参考赛道则包含来自35个公开测试集的32233道题，沿用原有评测指标。作者评测了40个决策模型和14个通用模型，发现两个在参考赛道上仅相差2.6分的27B模型，其对比组准确率分别为70.1%和44.2%；Perplexity Decider在2400个二元对比对中有92.3%能把正例排在负例之上，但两者同时答对的比例只有74.1%；GLM-5.3在1296道题的子集上，较高推理设置下对比组准确率为93.5%，最低推理强度时为81.5%。