**任务组合下的模型脆弱性：揭示大语言模型的隐性思维预算限制**

_On the Fragility of Tasks under Composition: Implicit Budgeting in Language Models_

> 研究指出，大语言模型在处理组合任务时会出现显著的性能下降，即使模型能独立正确解决每个子任务。这种现象并非单纯由错误累积导致，而是源于模型在组合场景下会隐性减少每个任务的推理步数（Token 预算）。通过根据任务脆弱性对任务进行分组，研究人员发现可以优化这种隐性预算，在保持准确率的同时减少 43% 的 Token 使用量。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-21 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.27190)