一句话看懂：针对小模型在难基准上得分接近零、导致传统缩放定律无法外推的问题，一项新研究提出“提示缩放定律”，通过给基准逐步增加辅助信息来恢复可拟合趋势；在Delphi预训练阶梯上，仅用不超过10^20 FLOPs的模型，就把10^23 FLOPs模型的GSM8K准确率（25.9%）预测到3个百分点以内。
事件核心：发生了什么
该论文于2026年11月1日发布在alphaXiv，核心做法是把同一组测试题变成难度连续的多个版本：按照一定比例截断参考解答、随机遮盖解答中的词语，或把被评测模型的输出概率与更强教师模型的输出混合。提示越强，题越容易，原本得零分的小模型也能拿到非零分，从而与模型规模一起构成可拟合的联合关系。预测时，作者把拟合结果代回“零提示”条件，得到模型在原始基准上的成绩。除Delphi预训练阶梯外，论文还在后训练模型系列上评估，称GSM8K、AIME和HLE上的中位预测误差从21个百分点降至4.3个百分点；同时，单次提示 rollout 的模型排序效果接近五次无提示 rollout。以上结论来自论文摘要，尚需更完整的实验披露。
为什么重要
大模型训练越来越依赖在小算力实验上估计大算力结果，但数学、竞赛类难基准常让小模型“全员零分”，趋势线失效。提示缩放定律把“零分平台”转换成可读信号，有望降低前沿训练的试错成本；不过它并非万能替代，截断和遮盖需要参考解答，混合 logit 还需要教师模型和共享分词器，适用条件比标准缩放定律更苛刻。
对用户/开发者/创作者的影响
对训练团队来说，这意味着可以把评测预算优先花在带提示的纵向对比上，而不是堆无提示样本；开发者若要判断两个相近模型谁更强，提示评测可能用更少样本给出更明显差距。对依赖第三方评测的用户，则需留意：提示分数不能直接当成原始基准成绩，厂商如果混用容易误导选购。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是该方法在代码、多语言等更广任务上是否仍成立；二是能否在开源工具链中低成本复现，让中小团队直接用于训练规划；三是公共榜单和模型厂商是否会采用提示评测，并清晰标注与原始分数的区别。
来源：alphaXiv
