arXiv 论文提出 MinimalLM：免训练控制大模型啰嗦输出，省 47.6% token
原文标题：Say Less, Mean Better: Training-Free Verbosity Control for Language Models
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。
针对大模型输出过长导致推理延迟与成本上升的问题，论文提出免训练框架 MinimalLM，将「何时停止」与「停止是否结构完整」解耦，结合不确定性感知的停止词调整与完整性护栏。在三个开源模型、330 个问题上，生成 token 减少 47.6%，单条响应加速 19-68%，质量分 8.04/10，远优于等长截断的 6.46/10。
- 问题
- 大模型输出啰嗦，推高推理延迟与成本，而截断又伤完整性。
- 方法
- 免训练解码时干预：不确定性感知的停止词调整，加结构完整性护栏，把「何时停」与「停得对不对」解耦。
- 结果
- 3 个开源模型、330 题上 token 减 47.6%，单条加速 19–68%，质量 8.04/10（等长截断 6.46/10）。
- 影响
- 不改模型、不加辅助模型即可省近半 token，是可直接接入推理链路的降本手段。
深读 · 结论先行AI 生成展开看要点与影响 ↓
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。