新加坡国立大学提出 Jeva:决策原生架构,支持万级候选与近完美空值检测
NationalUniversityofSingapore · hf · 2026-10-14
新加坡国立大学论文提出 Jeva，一种面向「系统一」低延迟决策的决策原生架构，指出当前从序列化文本预测答案的设计忽视了决策问题的四个结构要求：
- null-aware：区分「无答案」与候选间的不确定。
- permutation-invariant：候选顺序不影响决策。
- option-scalable：候选集扩大无需重定义输出空间。
- cacheable：跨请求可复用与请求无关的候选计算。
实现上用共享编码器独立表示请求与各选项，紧凑决策栈仅对请求状态相对不可变选项记忆进行细化，对称聚合保证置换等变。
评测显示 Jeva 在类型化决策上表现强、空值检测近乎完美、任意置换下无决策翻转，可扩展到数千候选，并借跨请求复用显著降低延迟。
「研究」频道最新
- 654 个真实故障实证研究:RAG 配置问题如何诊断与修复 — _reachsumit · 2026-10-14
- ReMaRk 方法修正 GRPO 奖励噪声,LLM 推荐训练步数省一半以上 — _reachsumit · 2026-10-14
- Disney+ 公开首页排序系统 DRanker,带动关键参与指标提升超 1% — _reachsumit · 2026-10-14
- OpenAI 证明拟黎曼假设后，数论论文接连跟进引用 — LucaAmb · 2026-10-14
- Netflix 对比 LLM 推荐系统两种 SID 生成范式:beam search 与多 token 预测 — _reachsumit · 2026-10-14
- 阿里提出 UniSGR-V2:生成式推荐中逐步预测目标物品特征并用于排序 — _reachsumit · 2026-10-14