论文报告一次前向传播的类型化决策评审与开放LoRA读出头

Yuchuan Weng 等在 arXiv:2610.29052 论文中提出“类型化决策”：不生成并解析文本，而是在单次前向传播中读取语言模型的 logits 或隐状态小头部，为固定选项输出概率，并报告了两个应用。第一部分是内部 System 1 评审器，用于分诊约 14.8 万条 agentic coding 会话记录以构建训练语料；据论文称，单个 GPU 约 3 分钟可评审 1000 个会话，按参考费率约 0.06 美元、约为前沿商用评审器成本的 1%，且全部会话数据保留在组织内部。第二部分是开放复现：用公开的 Eikos 配方和约 2.5 万条决策语料，在 1B、2B、35B 三个骨干上读取 LoRA 适配解码器的冻结输出层。其中 35B 单种子模型在 JevBench 的 111 个公开困难项上得 79.3%，与商用参照（73.0%，未调整 p=0.12）差异不显著；论文注明该模型是在知晓这些公开题目的情况下开发的。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。