[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"aihot-art-96796":3},{"itemId":4,"vertical":5,"category":6,"source":7,"score":8,"title":9,"summary":10,"analysis":11,"url":12,"coverUrl":13,"direction":13,"marketSignal":13,"publishedAt":14},"96796","ai","论文研究","Apple Machine Learning Research",68,"长度价值模型：面向Token级长度建模的可扩展价值预训练","苹果提出LenVM，在token级别建模剩余生成长度，优化推理成本。","长度价值模型（LenVM）提出了一种Token级长度建模框架，通过价值估计来预测每个解码步骤的剩余生成长度。\n· 传统方法仅在序列级别进行长度控制，缺乏细粒度建模，而LenVM在Token级别操作。\n· 将长度建模视为价值估计问题，为每个生成的Token分配恒定负奖励，从而学习剩余长度。\n· 这种方法可以更精确地控制生成长度，优化推理成本和推理性能。\n· 实验表明，LenVM在多个任务上优于基线，特别是在需要固定长度输出的场景。\n· 该工作由Apple提出，有望应用于对话系统、文本生成等需要长度约束的领域。\n影响\u002F看点：Token级长度建模为AI生成提供了更精细的控制，可能成为未来自回归模型的标准组件。","https:\u002F\u002Fmachinelearning.apple.com\u002Fresearch\u002Flength-value-model",null,"2026-07-20 08:00:00"]