最新论文洞察
第 3 期

🔰 通俗解释：想象你开一家餐厅，5 个厨师（GPU 上的模型）接客人点菜（用户请求），每道菜要经过洗菜、切菜、炒菜、装盘（多个 Agent 步骤）。现在调度方法是"谁拿手派给谁"，结果最牛的厨师门口排长队，其他人闲着。更糟的是一道菜要过 4 个厨师——任一环节排队，整道菜都出不来。

INFRAMIND 给调度系统装了"眼睛"：实时看每个厨师的排队长度、灶台占用、出菜速度，动态决定——高峰期简化菜单（简单拓扑）、低峰期做精品菜（复杂拓扑）；谁空闲派给谁（不只看谁最牛）；紧急订单可插队。

结果：高峰期 99.9% 订单按时完成，传统方法不到 50%；低负载时准确率还高 7.6 个百分点。

🔰 通俗解释：现在做法是给模型更多推理时间（test-time compute）让它一步步想，答案更准——这假设几乎没人质疑。这篇用实验打脸：

① 边际收益暴跌：思考到一定程度后，每多花 1 块算力，准确率提升越来越小直至归零。
② "反悔"现象：想太久会把已想对的答案推翻换成错的，系统性行为而非偶发。
③ 一刀切不行：简单题 2 步够，难题可能要 15 步，统一分配算力是浪费。

核心结论：在"适可而止"的点停下，省大量算力，准确率不变。

🔰 通俗解释：传统协作只有两种：①并行——所有人同时干、最后投票，快但不准；②串行——A 给 B、B 给 C，准但慢。现实是大部分并行就够，偶尔才需串行纠正。

Nexa 方案：默认并行→看结果→需要时才串行传一轮。所有 Agent 先同时答，把答案嵌入语义空间，轻量 Transformer 判断"答案间有无矛盾/需互补"。无则直接返回；有则建精简通信图让相关 Agent 互参后再答一轮。

最厉害处："要不要传话"的判断模型训练一次后，换 Agent、换任务、加数量都能直接用，无需重训。

🔰 通俗解释：让模型推理更准的经典法：多想几条路投票（Best-of-N）或雇裁判打分（Process Reward Model）。问题是显存爆炸，或裁判本身也是昂贵大模型。

GG 说：模型每步推理都有"内部确信度"——做完一步它对"方向对不对"是有感觉的。用强化学习提升这直觉准确度，再靠它做轻量树搜索——哪条路自己觉得靠谱走哪条。

震撼数据：1.5B–7B 小模型靠这套准确率追上甚至超过 32B–70B 大模型，速度快 8 倍、显存省 10 倍、KV cache 省一半。本质是用"自我感知"替代"外部裁判"。

🔰 通俗解释：现有治理（EU AI Act、NIST RMF、ISO 42001）给 AI 分类：你是"高风险"、你是"人类监督"、你是"自主决策"。但系统今天"人类监督"、下月升级变"半自主"——静态标签跟不上迭代。

HAIG 把人机关系拆成三个连续维度（不是开关，是光谱）：
① 决策权：谁说了算？从"纯人类"到"纯 AI"渐变。
② 过程自主性：AI 能自己走多远？从"单步辅助"到"全流程自主"。
③ 问责配置：出事谁负责？从"明确人类责任人"到"责任模糊化"连续谱。

更关键"信任阈值"：某维度跨过临界点（如 AI 开始自主调外部 API），治理要求发生质的改变。还有尖锐概念"治理不对称"——AI 自主性飞快，问责框架原地踏步。