大模型一个 token 一个 token 生成优益配，效率太低怎么办？
微信 AI 联手清华大学，提出了一个新的解法：
一个 token 能装下的信息太少，不如把它们打包成连续向量，让大模型从预测下一个 token，转变为预测下一个向量。
研究团队给这种新范式取名CALM（连续自回归语言模型）。
实验表明，将 K 个词元压缩成一个连续向量，可以将语言模型建模为一系列连续向量，生成步骤减少至原来的 1/K。
这样一来，模型就能在平衡性能和计算成本时，实现更高的性价比。
有网友认为，这种方法看上去越来越接近大脑实际处理上下文的方式。
还有网友提出，CALM 像是 DeepSeekOCR/Glyph 的改进版。
提升每个预测单元的语义带宽
研究人员指出，预测下一个 token 的现有模型范式，一开始是因为基于字符级运行的模型计算量太大而被提出的。
也就是说，方法背后的关键思想是：提升每个文本单元的信息密度，能够缩短序列长度并显著提升模型效率。
进一步挖掘本质优益配，可以总结出一条提升大模型生成效率的有效途径：持续提升每个预测单元的语义带宽。
问题在于，如果想让一个 token 装更多的信息，就得把词表做得超大，反而会让计算量和存储成本爆炸。
微信 AI 和清华大学团队想了个办法：把多个 token 打包成一个连续向量，让模型每次处理一个向量，而不是一个 token。这样一来，比如一个序列的长度为 T，将 K 个 token 打包为 1 个向量，序列长度就会缩短为 T/K。
他们设计了一个高保真自编码器，能将 K 个 token 压缩成一个连续向量，并能以超过99.9%的准确率从中重构原始 token。
连续自回归语言模型
不过，从处理 token 向处理向量转变，还面临着一个重大挑战：
由于不存在有限词汇表，模型将无法借助标准的 softmax 层，对所有可能结果计算出明确的概率分布。
这也就意味着，需要为此开发全新的建模工具。
于是，研究团队提出了CALM——一套完整的、无需依赖概率似然的框架。
△CALM 框架无似然语言建模
训练方面，CALM 采用"能量损失"来教模型学习连续向量。
不用算概率优益配，而是改用"能量分数"来判断模型生成的向量好不好。
具体来说，为了实现连续向量生成，研究人员采用轻量级生成头作为模型的核心输出组件。该生成头以最后一个隐藏状态为条件，来生成输出向量。
同时，为避免迭代式采样过程造成新的推理瓶颈，研究人员引入了Energy Transformer。
Energy Transformer 专为连续向量的高效单步生成设计，无需迭代，仅需 1 步计算即可输出连续向量。
能量损失是 CALM 训练 Energy Transformer 时用的损失函数，不依赖概率计算，而是用"距离"和"多样性约束"两个维度判断向量质量——既让生成的向量贴近真实值，又避免模型只会生成一种向量。
无似然语言模型评估
不算概率了，困惑度（Perplexity）这个评估指标也就不好用了。
为此，研究人员提出了BrierLM，一种基于布里尔分数的新型语言模型评估指标。
只需从模型中抽取样本，就能无偏地估算出 BrierLM 值。
实验证明，BrierLM 值和困惑度高度相关，能保证对模型能力的公平比较。
无似然温度采样
现在流行的大语言模型是通过温度采样来实现可控生成的，但这同样依赖于概率分布。
CALM 提出了无似然温度采样，这一算法基于拒绝采样，通过调整样本的接受概率来实现温度控制。
实验结果：更具性价比
研究人员通过实验验证，CALM 在平衡性能和计算成本时更有性价比。
在标准语言建模任务上，CALM-M（K=4，参数量 371M）在性能上与 Transformer-S（281M 参数）相当，但训练浮点运算数（FLOPs）减少了 44%，推理 FLOPs 减少了 34%。
模型越大，CALM 的优势越明显。并且随着语义带宽 K 的增加，CALM 的性能 - 效率比也会更优。
不过，研究人员也提到，压缩的 token 数 K 太多时，反而会导致性能下降，可能需要更换更大的模型。
论文地址：
https://arxiv.org/abs/2510.27688
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
� � 年度科技风向标「2025 人工智能年度榜单」评选报名火热进行中！我们正在寻找 AI+ 时代领航者 点击了解详情
❤️� � 企业、产品、人物 3 大维度，共设立了 5 类奖项，欢迎企业报名参与 � �
一键关注 � � 点亮星标
科技前沿进展每日见优益配
瑞和网提示：文章来自网络，不代表本站观点。
