快慢系统协同降低推理成本
推荐指数 75.0 NO. 028 · 2026.11.03
upvotes53comments1
简介
提出让轻量级的System-1预判交互价值，再决定资源密集的System-2是否执行，实现条件化推理。这对当前堆算力、堆模型规模的AGI路线提出了替代思路，可能显著降低推理成本。
媒体预览
编辑判断
这篇论文的直觉来自认知科学的双系统理论，但工程化落地有个关键假设：System-1的过滤准确率必须足够高，否则漏掉关键交互的代价会抵消所有节省。目前HuggingFace上53个赞但仅1条评论，说明社区还在消化这个概念，缺少实际跑通的案例。
如果后续有开源实现，最值得验证的场景是多Agent协作中的通信过滤——当前AutoGen、CrewAI这类框架的瓶颈正是Agent间无效通信爆炸。论文提到的useful interaction density这个指标，可以作为评估不同任务是否适合该架构的实用标准。