System 1 决策模型实践指南综述

论文系统梳理单次前向输出结构化决策的 System 1 模型与校准问题

资讯摘要

一篇论文提出面向 System 1 决策模型的实践指南，针对大模型逐 token 自回归推理在路由、门控、打分、分类等常规决策上速度慢、成本高、校准差的问题，主张用单次前向传播直接输出结构化决策。作者提出五类分类法：编码器分类器、奖励模型、非自回归决策引擎、对比决策模型与抽取模型，并讨论校准理论、RLCD 及 IIA 违背等现象。

要点速读

1. 论文提出五类 System 1 决策模型分类法，覆盖架构、训练方法与部署权衡
2. 重点讨论校准：proper scoring rules 理论、RLCD，以及 IIA 违背、序数尺度偏差、分布偏移下的少样本重校准
3. 描述其在 agentic 工作流中的决策基础设施角色，以及按校准置信度在快慢模型间路由的 System 1 + System 2 级联

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 2026/10/28 08:00:17（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。