arXiv · cs.AI· Chun-Hao Yang, Bo-Han Feng, Tzu-Yuan Lai, Yan-Yu Chen, Yin-Kai Dean Huang, Shou-De Lin·· 5 小时前
训练大语言模型超越下一词预测：Max(MI(S;t))填补互信息缺口
Training LLMs Beyond Next Token Prediction - Filling the Mutual Information Gap
arXiv:2511.00198v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Chun-Hao Yang, Bo-Han Feng, Tzu-Yuan Lai, Yan-Yu Chen, Yin-Kai Dean Huang, Shou-De Lin
研究任务与主要进展
该论文提出 Max(MI(S;t))，通过优先安排信息量较高的目标令牌，改变大语言模型的自回归训练顺序，目标是改善标准下一词预测的训练组织方式。基于论文摘要，该方法在算术推理、多标签文本分类和文本生成实验中，常优于标准顺序、反向顺序、TF-IDF和条件概率选择等基线；在不改变模型架构或自回归解码的情况下，固定长度输出使用任务特定预测顺序，开放词汇文本生成则采用轻量级前缀增强。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org