arXiv 研究闭集决策编码器：6800 万参数超越 DeBERTa-v3
原文标题：Joint or Per-Option? Compact Encoders for Closed-Set Decisions from 17 Million to 1 Billion Parameters
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文探讨工具选择等闭集决策任务所需编码器的最小规模，以及应联合读取选项还是逐项打分。在 3200 万参数三随机种子实验中，逐项打分在匹配优化步数下高出联合打分 5.8 个技能点，但需 5–13 倍编码器前向。发布的六个联合编码器中，6800 万与 1.5 亿参数模型在 System1-Arena 上超过 4.35 亿参数的 DeBERTa-v3 零样本分类器。
- 问题
- 闭集决策（如工具选择）用大模型提示慢且对选项顺序敏感。
- 方法
- 对比联合读取与逐项打分两种编码器读法，并系统缩放编码器规模。
- 结果
- 6800 万与 1.5 亿参数模型在 System1-Arena 上超 4.35 亿参数 DeBERTa-v3 4.9 与 5.9 个点；最小模型中位延迟 14ms。
- 影响
- 小编码器可替代大模型做工具选择，延迟与成本大幅下降，工程落地价值高。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。