SuSu_酥酥👅
@NFT_Chen
💥炸了！斯坦福×英伟达开源 CLM 把 Jev 按在地上摩擦：决策最快快 13 倍，还不写字，只比向量！
Agent 每一步都要从候选动作里挑一个，大模型逐 token 写答案太慢。CLM 换思路：把当前局面和每个候选动作分别编码成向量，谁更近选谁；动作向量还能提前算好缓存，候选越多，优势越大。
跟点对比 3
Agent 每一步都要从候选动作里挑一个，大模型逐 token 写答案太慢。CLM 换思路：把当前局面和每个候选动作分别编码成向量，谁更近选谁；动作向量还能提前算好缓存，候选越多，优势越大。
跟点对比 3
1:20SuSu_酥酥👅@NFT_Chen · Sep 26🤯什么？！斯坦福 × 英伟达新模型 CLM 速度吊打 Jev 13倍！
CLM 模型不逐字生成，直接状态向量 vs 动作向量选最优解！
核心亮点： 🔹约 1024 个候选时快到 13 倍
🔹状态 / 动作向量可拆开缓存，动作提前算好反复用
🔹轻量微调当「裁判」：DeepSWE 挑中方案通过率 81.6%，Terminal-Bench 2.1 达
CLM 模型不逐字生成，直接状态向量 vs 动作向量选最优解！
核心亮点： 🔹约 1024 个候选时快到 13 倍
🔹状态 / 动作向量可拆开缓存，动作提前算好反复用
🔹轻量微调当「裁判」：DeepSWE 挑中方案通过率 81.6%，Terminal-Bench 2.1 达
Open quoted post →
13 451