新万博体育

　　猫眼电影记者 博实 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：日本色情视频在线

??11月02日,湖北谷城：“与世界共品一杯高香茶”,

　　4、上学、放学途中要遵守交通规则，不得私自骑电动车上学，防止交通事故的发生。

,外国免费黄色网站。

??11月02日,新疆克孜勒苏州阿合奇县发生3.2级地震 震源深度10千米,

?不用前后置摄像头，手机也能偷拍,亚洲一区二区,动漫精品亚洲一区二区三区_毛片无码不卡高清免费v_天天摸天天爽,人人艹艹艹,❌㐅❌国产精品㐅❌❌❌。

??时事2：来一个黄色一级大片

??11月02日,【奋力谱写中国式现代化新篇章——习近平总书记今年以来治国理政纪实】中国式现代化 民生为大,

　　今年是实现我市第七次党代会提出的目标任务、落实“”规划的关键一年。年初召开的全市三级干部会议，认真分析了我市加快发展面临的形势，明确了今年的工作重点，为此，各级党委办公室要牢记责任使命，认真履行职责，为新万博体育：科学发展、跨越式发展参政设谋、献计出力，努力提升服务能力和水平，做到有为有位。

,怡红院欧美优物性爱,男人的 伸到 屁股,欧美老人性爱野战。

??11月02日,88VIP会员权益再升级 推出无限次退货包运费服务,

　　众人闻言变色，这是下死手啊。

,日本强伦姧人妻完视频正版a,九九久久国产黄精品国产黄05,亚洲国产a片日韩av。

??时事3：在线观看黄片免费观看

??11月02日,新疆克州首批生活物资发往阿合奇县震区,

　　大鹏、小青、紫云扑棱着翅膀，踩着地面冲来，虽然还不能真正飞行，但是速度也极快，扑向青鳞鹰，全都在悲鸣。

,caopeng97,91看片地址,1024国产精品无码中国。

??11月02日,2024粤港澳大湾区（广东）国际青年音乐周开幕音乐会亮相广州,　　尽管中国并未采取集中清缴清欠税收等行动，但随着税收大数据广泛应用，网状、系统性税收风险分析取代了此前个人经验点对点分析，税收征管力度事实上在不断强化，税收征收率在不断提高。以前企业偷漏税可能不容易被发现，但近些年通过税收大数据，税务部门会收到企业风险提示，并跟企业确认，不少企业需要依法补缴税款。,桃子移植100款黄油游,人人干日本精品,色综合色欲色综合一区。

??时事4：男高中生自愈的素材视频

??11月02日,上海、呼和浩特免费送交通卡？河南的冬天会下暴雨？这些谣言请勿相信！,

　　第一，全体代表要从讲党性的高度，以饱满的政治热情、高度的责任感开好这次大会，高质量地完成大会各项议程。这次大会的议程和内容较多，同志们肩负着全乡和人民的重托，共商X乡党的建设和发展大计。因此，大家要清醒地认识自己肩负的责任，从讲党性的高度，把开好这次大会作为深入贯彻落实科学发展观和创先争优的具体表现，全力以赴开好大会。

,慢慢扎进丰满少妇的肉体,欧美人曾兽Aⅴ,高清免费在线中文Av。

??11月02日,学习进行时丨领悟习近平文化思想系列之四：着力提升新闻舆论传播力引导力影响力公信力,

捷信逾期一年说要起诉我，我该怎么办？

,4455vw,欧美性爱30,卡通动漫亚洲。