arXiv cs.AI· Chengxuan Pei, Ziyao Wang, Teng Mei, Zhe Li·· 12 小时前AI 评分29
学习形式化：用小型候选形式化器连接开放式任务与快速决策模型
Learning to Formalize: Bridging Open-Ended Workloads and Fast Decision Models
AI 导读
研究提出一种小型候选形式化器，从任务上下文中构建显式、经过验证的候选选项，再由冻结的决策模型从中选择，以弥合开放式生成任务与快速决策模型之间的接口差距。在 200 个 CALVIN-D 测试回合上，DeepSeek V4 Flash 位姿候选成功率为 46.5%，而官方 TypeSafe Jev-1.13.0 的通用动作为 11%。
正文 · AI 翻译
摘要：决策模型可在给定备选方案中快速做出选择，而通用大型语言模型则通过灵活的生成与推理来理解开放式任务，代价是顺序解码。许多工作负载期望生成式后端决定可以做什么，因此不提供明确定义的候选列表。我们用一个在离线教师生成列表上训练的小型候选形式化器来弥合这一接口差距。该形式化器从任务上下文中构建显式、经过验证的备选方案，并由一个冻结的决策模型选择一个条目。一项具有启发性的对比在 200 个 CALVIN-D 测试回合上使用官方 TypeSafe Jev-1.13.0，报告通用运动成功率为 11%，而使用 DeepSeek V4 Flash 位姿候选时为 46.5%。另外，在 1,011 条 CALVIN-D 验证标注上进行的六臂特权状态评估发现，本地部署的决策模型配合微调后的形式化器最多可达到 52.6% 的任务成功率，而不使用该形式化器时为 11.8%，端到端延迟保持在 2.09 秒，而在完全相同的实验设置下 Qwen3.5-27B 为 3.67 秒。
| 评论： | 10 页，2 幅图，目前仅用于概念验证 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.36595 [cs.AI] |
| （或使用 arXiv:2610.36595v1 [cs.AI] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.36595 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Chengxuan Pei [查看邮箱]
[v1]
2026 年 10 月 27 日星期二 03:56:32 UTC（131 KB）
来源：arXiv cs.AI · arxiv.org