跳到正文
arXiv · ML· Ran Li, Lei Chen·· 2026-10-07AI 评分40

学习决策而非推理:通过低秩激活引导实现参数高效决策算子

Learning to Decide, Not to Reason: Parameter-Efficient Decision Operators via Low-Rank Activation Steering

AI 导读

引入 System-1 决策算子,以 330K 参数匹配 1.33M 参数强化学习模型,并将 3,685-token 思考压缩为 6-token 决策。 23K 参数变体在 SearchQA 任务上接近最强发布算子效果,且 57 个 LiveMath 测试点中 23 个超越基础模型最佳采样。

来源:arXiv · ML · arxiv.org