苹果探讨大模型通信瓶颈：树状结构表达序列化往返研究

苹果机器学习研究团队于 2026 年 9 月 29 日发布论文，提出往返评估协议以实证研究大语言模型在将树状结构信息序列化为自然语言过程中的通信瓶颈与表达损耗。

• 论文指出模型在利用思维链或自然语言文本传递中间状态时，需要将结构化信息转化为序列文本，该过程可能造成组合性结构信息的丢失。
• 研究设计了往返验证机制，由生成模型将程序化算术表达式转化为应用题，再由提取模型从中重构原始表达式，并借助符号等价性进行严格判定。
• 团队对十六种模型进行了两两成对组合的系统性评测，定量分析了不同模型在结构化语义编解码与多步推理传递中的准确率瓶颈。
• 影响/看点：从信息瓶颈角度揭示了纯文本思维链在多智能体协作与复合推理中的固有局限，为探索非纯文本结构化中间表征的推理架构提供了理论参考。
• 资料依据：
• Apple Machine Learning Research（2026-09-29）：https://machinelearning.apple.com/research/communication-bottleneck-serialization

本内容由 AI 生成，仅供参考，请注意甄别