可缓存决策模型可以遵循规则吗？

Certo 是一个小型非生成决策模型 (Qwen3-4B)：它从文本中对候选动作进行评分并返回概率，而不是生成答案。准确的设计会一起读取状态、规则和每个候选人（联合评分员），因此成本随着菜单的增加而增加。独立编码让每个候选者被编码一次并在各个状态中重复使用（77 个候选者的成本大约是 5 倍），但将状态与候选者分开。我们要问的是，这一举动对规则的敏感性有多少，以及它是否可以被训练回来。 Certo 上的四个实验：（1）测试到可缓存评分的转换失去规则敏感性（recall@1 1.00 -> 0.24），而联合评分器保持 1.00，并且入围名单+重新排名救援失败； （2）有针对性的反事实监督恢复了保留的综合规则任务（释义、反事实、组合；可在种子之间重现）的强劲表现，尽管我们没有隔离预测是否取决于所提供的规则； (3) 在真实规则上，附加收益并未建立——修复截断混杂后，联合记分者在短层（0.861 vs 0.500）和定向硬层（0.655 vs 0.483，n=29）上显着获胜； (4) 匹配的跨域真实散文混合没有帮助并降低了合同准确性（-9.3，-16.2 分）。可缓存编码器可以对其训练分布进行规则敏感，但无法转移到未见源的真实规则；联合记分器以缓存为代价保持优势。