ComfyUI-TypedDecision

ComfyUI-TypedDecision

以 Jev 为开端，只做判断的 MLLM 正在流行起来。它不写文章，你问「这张图里有人吗」，它就回答 yes / no，并附上有多确定。这类任务被称为 typed decision。

Jev 的本地替代项目有好几个，其中 imajev 与 ComfyUI 的核心系统非常契合，所以我先把它做成了自定义节点。

那就来看看 typed decision 能做什么，在 ComfyUI 里又能怎么玩吧。

安装

nomadoor/ComfyUI-TypedDecision

• 在 ComfyUI Manager 中搜索 TypedDecision 安装即可。

模型的下载

• text_encoders
  • qwen3.5_4b_int8_convrot.safetensors (5.76 GB)
  • 或者原版的 qwen3.5_4b_bf16.safetensors (9.32 GB)
• typed_decision
  • mohit67890/imajev-4b (以下文件共 490 MB)
    • 把以下文件放进 imajev-4b 文件夹。下载整个仓库也可以

📂ComfyUI/
└── 📂models/
    ├── 📂text_encoders/
    │   └── qwen3.5_4b_int8_convrot.safetensors
    └── 📂typed_decision/
        └── 📂imajev-4b/
            ├── adapter_config.json
            ├── adapter_model.safetensors
            ├── calibration-rot4-modality.json
            ├── decision_readout.json
            └── decision_readout.safetensors

三种 mode

提问的形式有三种。选哪一种，输入栏和答案的类型都会随之改变。

三种 mode 的输出接口是共用的，但其含义会随 mode 而变。

noul (Yes or No)

对问题回答 true 或 false。

输入

• instructions 里写要判断的陈述，或者能用 yes / no 回答的问题
• criteria_true / criteria_false 是可选的。可以补充说明什么情况算 yes、什么情况算 no

输出

• value 是 true 的概率
  • 无法判断的部分会平分给 true 和 false，所以拿不准时会落在 0.5 附近
• label 是 yes / no
• pass 以 Boolean 输出 value >= threshold 且没有弃权的结果

这里让它判断「图中有很多人」这个陈述是 true 还是 false。

不过多少人才算「很多」是模糊的。所以补上了「5 人以上为 yes」「4 人以下为 no」这样的标准。

choice

从准备好的选项中选一个。

输入

• criteria 里每行写一个选项
  • 只有选项名说不清楚时，可以像 landscape: scenery with no clear main subject 这样用 : 补充说明

输出

• label 是被选中的选项
• index 是第几行
  • 被选中的是第 3 行时，从 0 开始数，index 就是 2

score

用自己定义的评价轴做 N 级评分。

输入

• criteria 里每行写一个等级，从低到高

输出

• value 是期望值
  • 第 1 行算作 0，所以 5 级的范围就是 0.0 〜 4.0

这里让它用 5 级来评价一张照片是否适合作为训练数据。

value 是按各等级的概率加权的平均值，所以会得到 3.4 这样介于等级之间的值。也就是「在 good 和 excellent 之间，偏 good」这样的评价。

图像可以放两张

imajev 最多可以放两张图像。 第一张是参考，第二张是判断对象。

受 ComfyUI 的机制影响，第三个及之后的接口也会出现。但 imajev 只接受两张，连上去会报错。

问「第一张和第二张是同一个人吗？」，就能当作同一人判定来用。

用 state 传递上下文

如果说 instructions 是「问题」，那 state 就是 回答这个问题所需的上下文。看图像也无从得知的信息，用文本传进来。

比如想判断「照片里的商品颜色是否和商品信息一致」时，问题本身并没有说正确的颜色是什么。

把商品信息写进 state，它就能拿来对照了。

• state：The listing says: red suede boat shoes.
• instructions：The shoes in the photo match the color in the listing.

state 也可以写成 JSON。这时可以从 instructions 用 listing.color 这样的字段名来指代。

实践

从提示词决定分辨率

上面都输入了图像，不过只用文本输入也是可以的。

让它读提示词，判断生成竖版、横版还是正方形比较合适。

把三种分辨率准备成 List，用 choice 的 index 输出来切换。

1. 把提示词输入到 state
2. 让 choice 从 portrait / landscape / square 中选择
   • index 是 INT，所以对应关系是 portrait = 0、landscape = 1、square = 2
3. 把 index 传给 Get Item From List，从宽和高的列表里取值
4. 把取到的值分别放进 Empty Latent Image 生成

这条提示词选中了 square，生成的图像确实是 1024 × 1024。

Outputs

数据集分拣

typed decision 最大的好处就是快。

利用这一点，把大量图像分拣开来，是个很不错的用法。

把文件夹里的图像，按是否符合条件分拣开。

1. 用 Load Image (from Folder) 把文件夹作为 List 读入
2. 用 noul 判断「有没有人」
3. 把 pass 传给 If/Else Switch，切换保存路径
   • ComfyUI 的 output 文件夹中的 typed_decision 下，应该会生成 accepted 和 rejected 两个文件夹

试着读入一个装了 2 张人物、3 张其他内容的文件夹。

Outputs

有人的图像保存到了 accepted，没有人的保存到了 rejected。

用 abstained 输出，还可以把「无法判断的部分」单独分出来。可以用来缩小需要人工查看的范围。

Samples