低秩激活引导的参数高效决策算子
Get the story
2026年10月7日，arXiv Machine Learning Theory（一手）发表论文《Learning to Decide, Not to Reason》，提出一种基于低秩激活引导的参数高效决策算子。该算子通过行为克隆训练，定位为 System-1 决策算子，目标是将注入技能的成本降低约两个数量级。论文给出的默认算子仅用 330K 参数，即可匹配 1.33M 参数的强化学习算子；同时把 3,685 token 的推演压缩为 6 token 决策，并称精度无损。论文还报告 rank-4 变体仅 23K 参数，为最强已发表技能算子的 1/58。目前进展为论文已公开上述结果，尚未见后续验证或独立复现报道。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning TheoryLearning to Decide, Not to Reason：基于低秩激活引导的参数高效决策算子
论文提出 \method{}，一种通过行为克隆训练的 System-1 决策算子，将注入技能的成本降低约两个数量级。默认算子仅用 330K 参数即可匹配 1.33M 参数的强化学习算子，并把 3,685 token 的推演压缩为 6 token 决策且精度无损；rank-4 变体仅 23K 参数，为最强已发表技能算子的 1/58。
Heat trend
Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.