SelfMorph：让冻结大模型按输入自变形计算结构
原文标题：Compute Has Shape: Self-Morphing the Internal Computation of Frozen LLMs
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。
论文提出 SelfMorph，将计算拓扑变为依赖输入的推理时决策，统一原始前向、层段串行复用与隐状态局部分支合并三种形态，并用轻量选择器在生成前挑选形态。在 4B–27B 三个模型上，分布内基准平均相对提升 8.06%，未见基准提升 4.45%，27 项设置中 24 项最优。
- 问题
- 测试时扩展如何按输入自适应调整内部计算拓扑，仍缺乏探索。
- 方法
- 把原始前向、层段串行复用、隐状态局部分支合并统一参数化，用轻量选择器在生成前按提示隐状态轨迹选形态。
- 结果
- 4B–27B 三个模型上分布内平均相对提升 8.06%，未见基准提升 4.45%，27 项设置中 24 项最优。
- 影响
- 计算拓扑是继多生成 token 之后新的测试时扩展维度，冻结模型即可获得增益，无需重训。
深读 · 结论先行AI 生成展开看要点与影响 ↓
SelfMorph让冻结大模型按输入选择计算拓扑，4B–27B模型分布内平均相对提升8.06%，27项设置中24项最优
- •把计算拓扑变为依赖输入的推理时决策，统一原始前向、层段串行复用、隐状态局部分支合并三种形态
- •用轻量选择器读取提示的逐层隐状态轨迹，在生成前挑选形态
- •选择器通过蒸馏离线变形中兼顾任务表现与计算成本的效用分布来训练
- •三个4B–27B模型上，五个分布内基准平均相对提升8.06%，四个未见基准提升4.45%
- •作者将其定位为超越「生成更多token」的测试时扩展新维度
为什么重要：测试时扩展不必只靠加token，输入自适应计算结构为推理成本与效果的权衡提供了另一条轴。
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。