研究团队提出大模型免训练冗长度控制框架MinimalLM
Start here
2026年11月4日，研究人员提出面向大语言模型的免训练冗长度控制框架MinimalLM。该框架结合stop-token动态调整与结构完整性约束，旨在实现大模型输出长度的可靠控制。在3款开源LLM上的评测结果显示，MinimalLM使生成token减少了47.6%，单个回复提速19%至68%，并成功消除了结构性截断现象。在输出质量方面，其平均质量得分达到8.04/10，接近原始模型的8.42/10，且显著优于同长度直接截断得到的6.46/10。
AI-generated from reports · Updated 9 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 自然语言处理MinimalLM：面向大语言模型的免训练冗长度控制框架
研究人员提出免训练框架 MinimalLM，结合 stop-token 动态调整与结构完整性约束，实现大语言模型输出长度的可靠控制。在 3 款开源 LLM 上的评测显示，该方法使生成 token 减少 47.6%，单个回复加速 19-68%，并消除了结构性截断。其平均质量得分达 8.04/10，接近原始模型的 8.42/10，显著优于同长度截断的 6.46/10。
Story heat trend
Current heat 8·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.