新万博体育

　　猫眼电影记者 陈殿魁 报道Q8X2R7L1T4J5M9B6W3

大语言模型（LLM）的「炼丹师」们，或许都曾面临一个共同的困扰：为不同任务、不同模型手动调整解码超参数（如 temperature 和 top-p）。这个过程不仅耗时耗力，而且一旦模型或任务发生变化，历史经验便瞬间失效，一切又得从头再来。

这种繁琐的试错过程，在许多研发团队的日常沟通中屡见不鲜，正如下图所展示的那样：

图 1：研发人员手动调整解码参数的日常。

一个灵魂拷问随之而来：为何不能让模型自己学会如何解码，从而实现真正的「端到端」？

事实上，各大模型厂商的 API 文档也印证了这一难题。以 DeepSeek 为例，其官方文档明确建议针对不同场景设置截然不同的 temperature 值，这使得单一的静态参数设置显得捉襟见肘。

图 2：不同任务需要不同的解码参数，这使得静态设置难以应对复杂多变的现实需求。

近日，由腾讯 AI Lab 的王琰研究员及其团队领衔，联合香港中文大学（深圳）唐晓莹教授及其博士生王志超给出了一个优雅的答案。他们推出了名为 AutoDeco 的全新架构，旨在彻底终结手动解码的「手工作坊」时代。这项研究《The End of Manual Decoding: Towards Truly End-to-End Language Models》，通过让模型动态预测并控制自身的解码参数，向着真正端到端的语言生成迈出了关键一步。

论文链接: https://huggingface.co/papers/2510.26697代码链接: https://github.com/Zacks917/AutoDeco模型链接: https://huggingface.co/collections/Jadeislaw/autodeco

图 3：AutoDeco 位居 Hugging Face Daily Papers 榜首

当前，尽管 LLM 本身已高度集成，但其生成过程的「最后一公里」—— 解码，仍然是一个独立于模型之外的、不可微的僵硬环节。研究团队形象地将其比作「手动挡变速箱」：无论引擎（LLM）多么强大，换挡（调参）依然依赖人工操作。

AutoDeco 的核心思想，就是为 LLM 装上「自动挡」。它通过在标准 Transformer 架构中引入两个超轻量的预测头，让模型在生成每一个 token 时，都能根据当前的上下文信息，动态地预测出最适合下一步生成的 temperature 和 top-p 值。其架构如下图所示：

图 4：AutoDeco（上）与传统手动解码（下）的对比。AutoDeco 将解码参数的预测无缝集成到模型的前向传播中，实现了动态自调节。

核心挑战与技术突破：如何训练一个没有「标准答案」的任务？

设想很美好，然而，一个关键的挑战摆在研究团队面前：如何训练这些预测头？在训练数据中，并不存在每一时刻「正确」的温度和 top-p 标签，这使得监督学习无从谈起。

为此，团队提出了一种创新的、完全端到端的训练策略。他们设计了一种新颖的可微分「软性 top-p」（soft top-p）机制，巧妙地替代了传统 top-p 采样中不可微的「硬截断」操作。该方法分为三步：

图 5：可微分的 soft top-p（橙色线）与传统的 hard top-p (绿色线)对比。Soft top-p 的平滑特性打通了从最终损失到解码参数预测头的梯度路径。

这一设计的巧妙之处在于，它使得从最终的「下一个词预测」损失到解码参数预测头的梯度能够顺畅回传。如此一来，模型便可以在标准的 Next Token Prediction 任务中，通过优化最终生成结果来「倒逼」自己学会如何动态调整解码策略，整个过程无需任何额外的标注数据。

AutoDeco 的惊人表现：三大亮点

通过在 Llama、Qwen、Deepseek 等多个主流模型家族上的广泛实验，AutoDeco 展现了其强大的能力：

卓越的性能与泛化能力

实验结果表明，AutoDeco 不仅稳定超越了传统的 Greedy Search 和 Default Sampling 等基线方法，其性能甚至能媲美、乃至超越了利用测试集进行精细调优的「神谕」基线（oracle-tuned baseline）。

图 6：AutoDeco 在多个数学和通用任务 benchmark 上均取得了 SOTA 性能，展现了其强大的泛化能力。

极致的效率与易用性

AutoDeco 的预测头设计极为轻量，其带来的额外推理延迟通常仅为 1.7%，内存开销也几乎可以忽略不计。对于开发者而言，接入 AutoDeco 模型仅需修改几行代码，即可享受「免费」的性能提升。

「言出法随」：开创性的自然语言控制能力

研究中最令人兴奋的发现之一，是 AutoDeco 涌现出的一种「通过自然语言控制解码」的能力。用户可以直接在 prompt 中通过自然语言下达指令，如「我希望答案更有创意」，模型便能「听懂」并自主地调高其预测的 temperature 和 top-p 值，整个过程清晰可见。

图 7：在不同指令下，AutoDeco 预测的 T/P 值变化。从左至右分别为：基线、高创造力指令（T/P 值自发升高）、高确定性指令（T/P 值自发降低）。

当然，作者坦言这种能力还不够完善，还做不到非常精准的控制。他们猜测实现细粒度、高精度的自然语言控制解码无法仅仅能通过微调 AutoDeco 模块做到，而是需要全参微调模型，这也被他们列为了 Future work 的重点。因此，作者没有放出带有自然语言控制能力的 AutoDeco heads 权重。

AutoDeco 在发布后迅速吸引全球 AI 社区的关注，在 Twitter 等社交平台上引发了顶尖学者、开发者和企业家的广泛热议和高度评价。

图 8：大模型社区对 AutoDeco 的广泛热议和高度评价。

目前，该团队已将论文、代码以及在多个主流模型上训练好的 AutoDeco heads 全面开源，包含适配于 Deepseek V3.1、Qwen3-235B、GPT-OSS-120B 等生产级大模型的版本。正如研究人员在分享中所说，这项工作旨在将研究者和开发者从繁琐的调参工作中解放出来，共同迈向一个更智能、更自动化的 AGI 新时代。

??时事1：抢庄牛牛是几的倍数

??11月03日,“烟卡”在多家电商平台仍有售，国家烟草局此前已发通知开展治理,

　　几个壮年男子将巨大的银器抱来，“咕咚咕咚”向黑鼎中倒去，取代了泉水，以宝血做汁液，与药糊糊等混在一起。

,oubo体育。

??11月03日,广州（南沙）农业对外开放合作试验区建设启动,

　　“这只猛禽……”小石昊呆呆发愣。

,申博平台首页,AOA网站是什么,新利体育官方网站。

??时事2：新葡萄手机下载

??11月03日,深圳福田区发布12条举措打造“数字金融先行区”,

　　(二)、立足德育为首，全面提升德育工作水平

,尊龙z6,和记娱乐网页版,世界杯博彩购买。

??11月03日,福建华安：土楼姑娘当讲解员为家乡代言,

　　“快看，那里有一条怪蛇，怎么一个头，两个身体？”小布袋内扯了扯一位师兄的袖子，示意朝前看。

?第一百一十七章 百断山,澳门百家乐论坛,新百胜怎么下载,云博国际。

??时事3：庄家补牌规则对照表

??11月03日,国台办：不论叫“小凤梨”还是叫“小当归” 都是咱们中国人自家的孩子,

　　它以独臂攻击，一拳砸向那金光冲霄的兽尊，狻猊一点也看不出老态，身形一闪，瞬间出现在百米开外。

,金沙最新网址,世界杯手机上怎么投注,凯时kb88平台登陆官网。

??11月03日,世纪华通谢斐：“重新出发”的公司已具备更强的抗风险能力,

　　族中向来和睦，几个孙儿辈的媳妇都很尽力，这几个月来将小石昊养的白白胖胖，水嫩漂亮，让他们放下心来。无论如何也没有想到，今日会发生这等惨事。

,365bet体育在线数据比对,特码诗,日博体育注册app。

??时事4：永利皇宫新的登录

??11月03日,中俄人文交流蓬勃开展,

　　二是党代表的作用和使命不同。这次我们党代表的任务和使命、作用同过去相比，都发生了变化。党的第xx届四中全会明确指出，要建立各级党代表大会党代表提案制度，落实和完善党代表任期制，这是中国共产党党内民主建设的重大决定，对于扩大党内民主，进一步激发党代表参与党内事务的积极性，提高党的执政能力具有重要意义。在这个精神的指导下，我们学校第十一次党代表大会党代表的使命和过去相比发生了变化。比如，党代表个人或几个人可以联名提出原来由党委提出的决议，这是以前没有的。学校党委将每年向党代表大会汇报、通报党委决定、决策以及重大决策的落实情况。党代表可以应邀出席、列席党委会，过去的党代表是不能列席党委会的，而且在党委会上可以对学校的党建和发展的重大决策、党内重要文件的制定可以提出意见和建议，这也是过去没有的。再比如，党代表可以参加重要干部的民主推荐和考核，对学校党委、纪委领导班子和领导成员参与民主评议和提出意见，而且可以按照规定对学校党委、纪委成员进行监督。

,365体育比分网站,亚赢体育官网首页网址,12bet快速注册。

??11月03日,国务院印发《关于进一步优化政务服务提升行政效能推动“高效办成一件事”的指导意见》,

　　在家要特别注意用火、用电、用气的安全，防止在使用家电时发生触电事故，防止使用液化气时的泄露事故。要将学校所学的防水、防触电的知识运用到实际生活中，要牢记火警119、匪警110和伤病急救120电话，并且牢记自己家的具体地址，在发生意外事故时能获取紧急救助。

,AG亚游app下载,千炮捕鱼游戏,皇马电玩捕鱼。