新万博体育

　　猫眼电影记者 埃米莉·纳皮 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1：千赢国际手机登录官网下载

??10月30日,印尼西苏门答腊强降雨已致32人死亡,

　　尊敬的各位老师、各位领导：

,世界杯足彩在线购买。

??10月30日,新疆巴州若羌且末红枣节 现场收购8万余吨,

　　两年来，也不知有多少强者赶来，而后又离去，更有成群的生灵死去，丢下无数的尸体。

,线上彩票正规渠道,BB视讯,2026世界杯投注柯fc3。tv。

??时事2：手机版葡京官网app下载

??10月30日,外交部：提醒中国公民避免卷入武装冲突,

　　“不用写下真实的信息，可以随便写一些，比如说最喜欢的、最爱的。”那个好心的少女提醒。

,庄家补牌规则对照表,金沙银河官方网,必威苹果客户端下载不了。

??10月30日,郑州力争144小时过境免签政策落地,

　　新的一年开始，又到了我们总结过去，展望未来的时候。过去的20~~年里，在全体员工的共同努力下，公司各方面工作均取得了满意的成效，各部门整合更新，相互协作，使得各项经营指标基本得以实现。

,澳门九五至尊网投网站,万赢体育,2026篮球世界杯投注站。

??时事3：英亚体育平台怎么样

??10月30日,以数字技术赋能“两个文明”协调发展,

　　云层上一头巨鸟俯冲而下，鳞片寒光闪烁，青鳞鹰出现，抓着一只巨大的火犀，轰隆一声丢在了村外。它每隔一段时间就会送来一头庞大的猎物。

,利澳彩票平台官网,国际跳棋真人,美高梅网投总站。

??10月30日,【两会30秒】孙业礼：“冰天雪地”正在变成“金山银山”,

　　“虎婶，它不是猴子，是朱厌。”小不点纠正，并且揪住金色圆球的尾巴，将它倒提了起来。

,彩票网快乐十分,世界杯视频网站转播权,开元体育app官方版最。

??时事4：视讯真人游戏网址

??10月30日,首位中国音乐家登上古巴国际爵士音乐节献上多首唢呐经典,

　　3、还有就是要关心孩子的发展方向。有的家长会说，我的孩子成绩一直优异，很让我放心。大有自己没用武之地，高枕无忧的姿态。其实，对那些成绩好的孩子，老师和家长都要树立起全面培养孩子的观念，要明白学习成绩好是孩子成长中的一部分，还有思想道德、身体健康、心理素质、礼节礼貌、劳动观念、专业技术、自我控制能力、组织才能等，所以，家长不能只看到学习成绩而不管其它，家长应该全面地培养孩子。比如、让孩子有多一点时间学习实践，提高办事能力；让孩子学习一点组织策划知识，掌握一点领导技能等，不要一叶障目，不见其它。像我们班的汤婷同学一直成绩优异，读书、作业不用人喊，自觉、专心、认真，但是她一心忙着自己的学习，对班上其他的事情不是很热心，对劳动也不是很积极。发现了这点后，我们除了在学习上继续严格要求她以外，在其他方面也多给她锻炼的机会，现在她担任我们班的语文课代表和班长，就得到了很好的锻炼，得到了全面的培养，这对她终身都是有益的。

,开奖爆料(新图推荐),必发365电子游戏网址,百家乐在哪玩。

??10月30日,中国财政部：利比里亚共和国籍应税船舶适用船舶吨税优惠税率,

　　这个形似猴子的生灵，突然浑身金光大盛，通体龟裂，传来阵阵喀嚓声，所有老皮都脱落了下来，露出真身。

,ag导航,亚博下载,三张牌官方下载。