学习决策而非推理：通过低秩激活引导实现参数高效的决策算子

基于摘要分析。研究面向冻结语言模型的技能注入，提出以行为克隆训练的 System-1 决策算子 DecSteer，尝试用低秩激活引导替代高成本的强化学习技能算子，并减少决策时的长文本推演。 核心机制是共享低秩骨干与零初始化的输出投影。作者指出，既有算子的初始化会使两个大型因子矩阵在首次优化时梯度为零，而 DecSteer 的输出投影能够立即接收梯度；作者报告以梯度流探针直接验证了这一差异。其解释将可训练性的改善归于初始化与架构的共同作用，而非单纯压缩 chain-of-thought。作者还报告，logit-lens 探针显示算子沿模型已有的后层路径增强答案信号，而不是将答案提前写入较早层。 作者报告，默认算子以 330K 参数达到或超过一个使用强化学习训练、含 1.33M 参数的对照算子，并在所述比较中将 3,685-token 推演缩短为 6-token 决策且不损失准确性。rank-4 变体含 23K 参数，为其所比较的最强已发表技能算子参数量的 1/58；该变体在 SearchQA 上已足够，在 LiveMath 上接近足够，但更高秩仍有帮助。上述比较的具体数据划分、指标定义与任务级结果尚未验证，不能据此认定对任意任务均能保持准确性。 作者报告，该训练方案可用于五个任务和三个骨干模型，且在训练数月后发布的 LiveMath 问题上仍有分布外收益；收益与基础模型的提升空间相关，技能算子还可近似线性地相加、插值，并在推理时热切换。技能组合的有效范围与干扰程度仍需核对全文。 复现应重点核对行为克隆的示范来源、低秩算子的插入位置、初始化细节、训练与推理成本，以及强化学习对照的评估条件。实验协议、消融及统计信息尚未验证。材料未提供 EEG/BCI 实验，不能将语言模型中的收益视为脑信号任务中的已验证效果；已有 EEG 相关工作尚未检索确认。