Learning to Formalize: Bridging Open-Ended Workloads and Fast Decision Models
作者: Chengxuan Pei, Ziyao Wang, Teng Mei, Zhe Li
分类: cs.AI
发布日期: 2026-10-27
备注: 10 pages, 2 figures, only for concept verification now
💡 一句话要点
提出小候选形式化器以解决开放式工作负载与快速决策模型之间的接口问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 决策模型 开放式任务 候选形式化 机器人决策 智能助手
📋 核心要点
- 现有的决策模型在处理开放式任务时缺乏明确的候选列表，导致决策效率低下。
- 论文提出了一种小型候选形式化器，通过离线教师生成的列表来构建明确的替代方案，从而提高决策模型的选择效率。
- 实验结果表明，使用形式化器的决策模型在任务成功率上提升至52.6%，而未使用时仅为11.8%，且延迟保持在2.09秒。
📝 摘要（中文）
决策模型能够快速选择提供的替代方案，而通用的大型语言模型则通过灵活的生成和推理来解释开放式任务，但代价是顺序解码。许多工作负载期望生成后端来确定可执行的任务，因此没有明确的候选列表。本文通过训练一个小型候选形式化器来填补这一接口空白，该形式化器从任务上下文中构建明确且经过验证的替代方案，随后由冻结的决策模型选择一个条目。与官方的TypeSafe Jev-1.13.0进行的比较显示，使用DeepSeek V4 Flash姿态候选的成功率为46.5%，而使用通用动作的成功率仅为11%。
🔬 方法详解
问题定义：本文旨在解决开放式工作负载与快速决策模型之间的接口问题。现有方法在面对没有明确候选列表的任务时，决策效率低下，导致成功率不理想。
核心思路：论文的核心思路是通过训练一个小型候选形式化器，从任务上下文中生成明确的、经过验证的替代方案，以便决策模型能够快速选择。这种设计旨在提高决策的准确性和效率。
技术框架：整体架构包括两个主要模块：候选形式化器和决策模型。候选形式化器负责从任务上下文生成候选列表，而决策模型则在此基础上进行选择。
关键创新：最重要的技术创新在于引入了小型候选形式化器，使得决策模型能够在没有明确候选的情况下，依然能够有效地进行选择。这与现有方法的根本区别在于，后者通常依赖于预定义的候选列表。
关键设计：在设计上，形式化器的训练使用了离线生成的教师列表，确保生成的候选方案的有效性。同时，决策模型的冻结状态保证了其在选择过程中的稳定性。
📊 实验亮点
实验结果显示，使用小型候选形式化器的决策模型在CALVIN-D测试集上的成功率达到了52.6%，相比之下，未使用形式化器的模型成功率仅为11.8%。此外，模型的端到端延迟保持在2.09秒，优于Qwen3.5-27B的3.67秒，显示出显著的性能提升。
🎯 应用场景
该研究的潜在应用领域包括机器人决策、自动化任务执行和智能助手等。通过提高决策模型在开放式任务中的表现，能够显著提升系统的智能化水平和用户体验，未来可能在多个行业中得到广泛应用。
📄 摘要（原文）
Decision models offer fast choices over sup- plied alternatives, while general-purpose large language models interpret open-ended tasks through flexible generation and reasoning at the cost of sequential decoding. Many work- loads expect a generative backend to determine what can be done and therefore provide no well-defined candidate list. We bridge this in- terface gap with a small candidate formalizer trained on offline teacher-generated lists. The formalizer constructs explicit, validated alter- natives from task context, and a frozen deci- sion model selects an entry. A motivating com- parison with official TypeSafe Jev-1.13.0 on 200 CALVIN-D test episodes reports 11% suc- cess with generic motions versus 46.5% with DeepSeek V4 Flash pose candidates. Sepa- rately, a six-arm privileged-state evaluation on 1,011 CALVIN-D validation annotations finds that a locally deployed decision model can achieve at most 52.6% task success rate with the fine-tuned formalizer, compared with 11.8% without it, and the end-to-end latency is kept to 2.09 s, whereas Qwen3.5-27B is 3.67 s with the exact experiment setting.