**联合还是逐项？1700 万至 10 亿参数模型揭示闭集决策编码器的最优路径**

_Joint or Per-Option? Compact Encoders for Closed-Set Decisions from 17 Million to 1 Billion Parameters_

> 研究对比了闭集决策（如工具选择）中联合编码与逐项评分的效率。结果表明，逐项评分在准确率上显著优于联合评分，但延迟更高；而联合编码对初始化敏感，且存在顺序敏感性。尽管小参数模型（如 68M）在特定任务上表现优异，但逐项评分在未见任务上更具鲁棒性，且小模型响应速度远快于传统分类器。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-27 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.30970)