新万博体育

　　猫眼电影记者 连江综 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1：万博官网网页版首页登录入口

??10月31日,多国青年学子分享“书趣”：众乐乐不如“读”乐乐,

　　作风问题不解决，还会严重影响干部个人的成长。我们现在评价一个干部，很大程度上也是通过他的作风来评判的。在日常工作中，看他的工作态度、为人处事方式;在中心工作中，看他表现的思想品质、工作能力以及所起的作用;在突发事件和关键时刻，看他对事件的处臵能力及行为;在重要岗位，看他如何忠于职守，创造性开展工作。所有这些，都是通过作风表现出来的，作风不好，不仅工作难以出成效，个人威信也树立不起来。

,新百胜网站多少。

??10月31日,（寻味中华｜非遗）金石篆刻：以刀写意无穷趣 方寸之间尽乾坤,

　　首先请允许我代表 九 年级全体教师向一直以来关心我们、帮助我们的各位领导，各位老师说声谢谢。 本学期开学 以来，我 倍感压力，6月中考的脚步离我们越来越近，为了更好的迎接中考，为 十九中的发展 奉献我们年级组的力量，在这里，我 简要回顾一下上学期年级组工作 ， 并汇报 本学期年级组 ，请各位领导和老师给予指导。

,手机网赌app,威尼斯5139手机版,苹果购买足球app。

??时事2：希尔顿游戏8456

??10月31日,江西庐山实现直升机观光服务 游客可乘机俯瞰群山,

　　接着另一枚蛋也裂开了，挣脱出同样一个小家伙，探头探脑，眼睛很亮，四顾周围。

,雷速体育APP在线下载,ag怎么打才能赢,奔驰宝马电玩城游戏。

??10月31日,奔向梦想！2024希望工程·蒙牛少年足球公益行正式启动,

　　“这已经算是一炉宝药啊！”石林虎惊叹，几乎不敢相信，一个村落而已，就已能炼出这等药液。

,best365网页版登录,世爵用户登录,华体会hth·。

??时事3：im体育手机官网下载

??10月31日,江西省气象台发布雷电黄色预警信号,

　　石村临湖，清澈碧蓝的水中，龙须鱼颇多，这也是增强力气的稀珍生灵。族人几乎每天都下湖，捉上几条数十斤重、有灵性的大鱼，金色鳞片闪烁，龙须晶莹，其精血珍贵的让大族都视为奢饰品。

,AG官方网站地址,澳门网站游戏电子平台,ManBetx快速注册。

??10月31日,中方呼吁国际社会继续支持联合国近东救济工程处工作,

　　2、 跟踪教育，免去孩子想家的困扰，环境熟，老师熟，学生熟。

,龙8平台官网,8828彩票平台登录,世界杯网上投注平台。

??时事4：多宝app官方

??10月31日,【班组之星】“男人能当录井队长，我也能”,

　　3、教师要以身作则，在学习行为与学习习惯上成为学生的典范，作学生健康成长的指导者和引路人。即“照亮”学生，又幸福了自己。这不仅需要老师的学识，更重要的是教师的人格魅力。正如德者林德所言：“真正能教导学生的就是教师的人格，而不是所谓的。”所以，希望大家培育“五心二热爱’，即爱心待学生、热心待家长、诚心待同事、尽心待事业、信心待自己，热爱生活、热爱工作。

,澳博体育快速注册,澳门星际公司,半岛体育官方入口。

??10月31日,香港国家安全展览厅正式开幕 推动全民国家安全教育,

　　“孩子快放下吧，别伤到身体！”族人大叫。

,亚洲网上娱乐平台,k1体育棋牌链接网址,凯时共赢。