Verdict: Encode Once, Decide Many

arXiv:2610.20778v1 公告类型：新

摘要：组织工作的自动化意味着针对同一份状态回答许多小型类型化问题（这封邮件是否需要回复、有多紧急、由谁负责），且给出的概率要足够可靠，无需人工介入即可据此行动。我们与之对比的开放类型化决策模型（如标准 cross-encoder）对每个问题都要对输入做一次单独的前向计算。我们提出 Verdict-MQ，这是一个开放编码器，只需读取一次案例即可回答其全部问题：在截断后保留相同的状态 token（已在每个报告案例上验证）的前提下，结构化注意力掩码使状态编码与问题无关、使问题之间互不影响，并通过构造方式使选项顺序无关紧要。在类型化决策基准测试上，395M 的 Verdict-MQ 在全部五个新随机种子上均显著优于已发布的 421M Laya 专用模型与软金标签的吻合度（KL 0.080 对 0.117，Brier 0.045 对 0.061），这一优势在按系统进行温度缩放后依然存在；其更高的准确率（0.801 对 0.767）已超出该基准测试自身的饱和点，因此我们将这一差距解读为与基准测试标注教师的吻合度更高。在 RACE、BoolQ 和 MultiRC 上，与匹配的微调基线相比，它在 MultiRC 上胜出，但在 RACE 和 BoolQ 上落败，其训练在后者上不稳定；我们自行测量了零样本参考结果，包括一个闭源通用系统（Jev），其表现优于所有微调编码器。一项受控对比测量了共享状态的代价：为每个问题提供各自的问题感知状态副本，可在 RACE 和 MultiRC 上获得 0.9-3.5 个点的提升，代价是每案例延迟增至 1.4-2.5 倍，而在类型化决策上无可测量的收益，且不变性保证保持不变。