论文为“任意任务推理”基础模型给出形式化定义与误差分解框架。
资讯摘要
一篇论文提出针对“任意任务推理”（ATI，类似零样本推理）基础模型的形式化框架与数学定义。作者引入“感兴趣任务空间”概念，将 ATI 模型定义为把数据样本 x 与任务 t 直接映射为标签预测的接口式模型，并据此证明所有 ATI 模型都可按“通用任务归约”分解为编码器、模型与解码器三部分。论文还据此把模型误差拆分为设计项与已实现模型超额项，并给出生成式与判别式两类原型实现路径，结合 5 个真实基础模型案例说明其适用性。
要点速读
- 论文提出“感兴趣任务空间”概念，并给出 ATI 基础模型的接口式形式化定义。
- 作者证明 ATI 模型可经“通用任务归约”分解为编码器、模型、解码器，并将误差拆为设计项与已实现模型超额项。
- 论文给出生成式与判别式两类 ATI 原型实现路径，并用 5 个不同场景的真实基础模型案例加以说明。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。