arXiv 提出 Conceptizer：在下一词预测外增加语义奖励
原文标题：Conceptizer: Next-Token Prediction Is Not All You Need
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
Conceptizer 训练框架在下一词预测之外引入约 9000 个概念构成的固定词表，将下一词分布映射为概念分布，把目标语义的奖励分摊到多种可能表述上，且不增加模型参数。在 1B 至 8B 参数的 3 个模型家族上，概念目标位置困惑度最低，知识与情感任务表现提升。
- 问题
- 下一词预测只奖励唯一 token，惩罚同义的其他合理表述。
- 方法
- 引入约 9000 个概念的固定词表，把 token 分布映射为概念分布，将语义奖励分摊到多种表述。
- 结果
- 1B 至 8B 三个模型家族上概念目标位置困惑度最低，知识与情感任务提升。
- 影响
- 不增参数即可优化语义而非字面，为训练数据与损失设计提供低成本改进方向。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Conceptizer用约9000个概念词表在下一词预测外加语义奖励，不增参数，1B-8B三家族困惑度最低
- •用约9K个由上下文同义词构成、与模型无关的固定概念词表，作为文本token之外的语义单元
- •把下一词分布映射为概念分布，将目标语义的奖励分摊到多种可能表述上
- •不增加任何模型参数，即可获得概念级训练信号
- •在1B至8B参数的3个模型家族上，概念目标位置留出NTP困惑度最低，且对上下文同义词赋予最高概率，优于3个基线
- •知识与情感任务下游表现提升，常识任务保持相当
为什么重要：给「只奖励唯一正确下一个词」的NTP目标提供了一个零参数成本的替代信号，对预训练目标设计有参考价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
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。