学术早慧方面，陆浩大准00后创业者，高中时就自学已矣大学数学，本科就读于帝国理工学院预备机系，博士就读于香港汉文大学，曾在微软预磨砺AI模子。2023年就运转探索象征化的空间智能以及宇宙模子——这条技巧阶梯其后被李飞飞所考证。2023年始创了AI的去混浊化象征检测与评估赛说念——被北大李戈淳厚团队follow。2023年始创了多智能体的交互进化，并获取相关发明专利。就是说在很早期的阶段就踩中了其后的多个风口以及主流处所。

学术后果方面，他入学6个月即达到博士毕业条件，在这时代，他完成了一篇后续得到ACL系列Best Paper Awards的大奖，这既是历史上第一次中国机构孤苦赢得此奖，同期亦然一篇莫得任何公司布景撑捏的著作。登上领奖台的作家团队唯一两个东说念主，陆浩大和他的博导林伟素养，而身为一作的陆浩大在这个时代只是继承了6个月的科研磨砺。同期陆浩大亦然少数博士就读时代就能任职ACL顶会边界主席的博士。

肃清传统学术阶梯方面，陆浩大在论文以及发明专利、奖项方面是拿到了手软。之是以坚强遴荐创业这条阶梯莫得遴荐传统的学术教职，是因为陆浩大的遐想是能够创造一个像谷歌或者脸书一样的业界和学界交叉的公司。

有这么一种“模子玄学”：明明是归拢个Prompt，只是换一种说法，模子的回应可能就天渊之隔。

深挖这个怡悦，是一个意旨、有效、但“反直观”的问题：要是语义不变，只是把一句话改写成更常见、更高频的“大口语”，模子的推理以及磨砺发扬会不会更好？

最近，来自脸谱心智与香港汉文大学的科研东说念主员围绕这个问题张开了系统决策，并提议了一项中稿 ACL 2026 Main的新使命。他们提议了一个极具操心点的新想法：Adam’s Law，aka Textual Frequency Law（文本频率定律）。

论文用表面推导以及模子实验向咱们展示了：当不同表述抒发归拢个真谛时，语言模子往往更偏好“高频文本”。而这种偏好不仅出当前你敲下 Prompt 的那一刻，以致在模子磨砺阶段也相似适用。

用大口语说，许多时候决定模子是否聪惠的，不单是“你问了啥”，还包括“你是若何说的”。

这启发了什么？今天咱们业内谈起模子优化，要津词长久是：更强更大的基座、更长的推理念念维链、以及崇高的高质地磨砺数据，或者是极其复杂的alignment算法。但Adam's Law揭示了文本频率关于模子磨砺以及推理的遑急性。

决策标明，高频抒发因为在磨砺语料中出现的次数实足多，大模子对它们有着自然的“肌肉操心”。因此，在濒临这些模子本身老到的文句时，模子在交融、推理和生成时更容易零百“参预现象”。

Who is Adam？

Adam’s Law 主张的铁律是：咱们应该优先使用句子级频率更高的expression，不管是作念inference依然training。

决策团队不甘让论断停留在“哎哟，好像如实是这么”的empirical observation。

他们先是提供了精细的theoratical proof，也为其搭建了一个完竣的framework，由三板斧构成：

第一把斧 TFL（Adam’s Law）： 提议Textual Frequency Law：“高频文本应被优先遴荐”；

图：极其硬核的部分推导数学辅佐

第二把斧 TFD（Textual Frequency Distillation）： 既然算不准，那就让模子我方启齿。用目的模子生成的文本，去反向修正frequency estimation；

第三把斧 CTFT（Curriculum Textual Frequency Training）： 把文本频率引入课程学习，给模子发一册纪律渐进的讲义。

用大口语来说，他们的操作历程是这么的： 先给一句话算算“八字”（估算常见度），把同义句里最接地气、最frequent的那句挑出来喂给模子；要是怕算得不准，就让模子我方作念几说念“故事续写”题，望望它普通潜清醒里爱用什么词，借此来修正频率估算；临了，在磨砺时，不光是要挑数据频率，何况磨砺法例都给你安排得清结拜白。

若何才算“常见”？深邃的工程解法

这里有一个大坑：像是GLM这种主流大模子，预磨砺数据全是个黑箱，连它吃过几碗干饭都不知说念，你若何算它对哪句话更眼熟？无须操心不关键。

作家给了个极其深邃且工程化的解：咱不纠结模子见过啥，平直借助公开的纷乱corpora和词频资源去估算就行。 在Adam’s Law中，句子的频率被访佛为词频的组合，平直攒出一个“句子级频率方针”。

这意味着，开辟东说念主员所有这个词不需要破解闭源模子的磨砺集，就能平直用这套频率估算大法。极其接地气，绕开了黑箱放浪，把玄学鞭策到了可考证、可复现的工程层面。

虽然，仅靠公开词频预计或者率是有舛错的。Adam打出了第二把斧 TFD：让目的模子对给定文本作念“story completion续写补全”。这特别于在审问模子：“别装了，比赛投注暴露你的着实用语习气吧！”用模子我方吐出来的语料蒸馏，再去补助修正原始频率，这么就无尽靠拢了模子里面着实老到的口语抒发漫步。

别光顾着改 Prompt推理，磨砺的章程也变了

Adam's Law最绝的少许，是莫得把“文本频率”局限在一个讨巧的 Prompt 推理技能上，而是平直杀到了更硬核的模子磨砺范式里。

在领导（Inference）阶段，逻辑相称顺滑：同所有这个词数学题，要是把题目里的罕有词换成大口语的高频抒发，模子随即就算得更准。

但在磨砺（Training）阶段，Adam抛出了一个灵魂拷问：要是雇主给的算力预算有限，磨砺数据该若何挑若何用？Adam说：高频文本可能比低频文本更值得优先保留！

何况 CTFT 以致改造了喂数据的姿势。作家发现，低频抒发往往语境更稀罕、结构更复杂。就像咱们上语文课一样，先让他死磕难解的古文（更低频），再让他看无为的口语文（更高频），最终的不休效果，竟然比未必乱喂数据还要好。

实验收尾：白嫖的性能进步

为了拿数据语言，作家死磕出了一个特意的数据集 TFPD（Textual Frequency Paired Dataset），涵盖了数学推理、机器翻译、知识推理和智能体用具调用等多个场景。

为了保证严谨，他们先用模子生成一批“文绉绉、极其稀有”的改写，和一批“大口语、极其常见”的改写，再费钱请东说念主工标注员挨个查抄，确保改写后真谛没变，临了凑成了“高频 vs 低频”的成对样本。

收尾极其直不雅。

在数学推理、Agent任务、以及知识理会上，只是只是把Prompt换成更高频的抒发，不换模子、不加磨砺数据、不加多inference时长，inference效果显贵加多；在机器翻译上，Adam's Law相似牢不可破：决策东说念主员连气儿测了 100 个语言翻译处所：在磨砺实验里，三板斧CTFT 的威力相似败露。在 Pangasinan（一种菲律宾语支）的机器翻译任务中，使用了 CTFT 后， BLEU 分数狂涨29.96%。

图：Adam's Law在上百种语言上的收尾可视化，最外圈为Adam's Law的收尾。

更颠覆知道的是：有时候用高频改写数据去磨砺，效果以致比平直用原汁原味的基准training set还要好！ 这平直挑战了业内“原始数据自然最优”的传统偏见。

Adam's Law，给行业带来了什么？

Adam’s Law 把一种迷茫的“直观”，打酿成了一套可界说、可估算、可考证、可部署、绕过黑盒的规范学定律，通过数学推导以及实验的规范解说了其可靠性。

对搞利用（作念 Agent、写 Prompt）的打工东说念主： 别再给Prompt豪恣加毫无必要的定语、料理和高端词汇了。先把Prompt理顺，改得更当然、更高频，这可能是一种简直莫得老本、成效极快的“魔法”。

对搞磨砺（Pre-training、SFT、蒸馏、作念数据清洗）的真金不怕火丹师： 这是全新的Data Engineering解决念念路。以后洗数据作念数据，除了看数据的质地、长度、难度，咱还得给文本频率拉个画像。GPUTPU吃紧时，“留什么数据”不单看标注对不合，咱还得望望这句话是不是实足“大口语”。

对评测（Benchmark）的决策者： 要是所有这个词题，换个冷门说法模子就不能，那它是确切有了“推明智商”，依然只是靠着“刷题”，记着了特定表述的老到度？这给异日构建更抗造的评测榜单提了个醒。

Conclusions

Adam’s Law 像一面镜子，照出了 LLM 的实践：模子不仅在“交融宇宙”，它更是在“记着东说念主类语言宇宙里，什么东西最常出现”，然则这是双向的，LLM在看宇宙的时候，宇宙也在看LLM。

当所有这个词 AI 圈都在为了更长的 RL 推理、更纷乱的参数目、更玄乎的对王人算法无脑卷生卷死时，这篇使命轻巧地给出了一条无比朴素的陈迹：

让模子变聪惠的捷径，不是把话说得更端淑，而是把话说得更大口语少许。这在推理时有效，也在磨砺时有效

论文信息：

论文标题： Adam’s Law: Textual Frequency Law on Large Language Models

作家： Hongyuan Adam Lu比赛投注中国官网， Z.L.， Victor Wei， Zefan Zhang， Zhao Hong， Qiqi Xiang， Bowen Cao， Wai Lam

机构： FaceMind Corporation、The Chinese University of Hong Kong

一作先容：

Hongyuan Adam Lu，FaceMind CEO，CUHK AI PhD决策课题：LLM预磨砺、宇宙模子、端侧模子磨砺；帝国理工CS本硕；爱丁堡大学AI硕士；ACL系顶会Outstanding Paper Award一作；曾于MSRA（北京）任预磨砺一职，研发了宇宙上第一个支捏200种语言的LLM；旗舰会议ACL 2025、NAACL 2025 Area Chair，创办了AI软件：叠叠社，深受二次元深爱，是一款被投资东说念主称之为“米哈游的蔡浩宇都要学习的AI家具”；

• 比赛投注中国官网
• 告别
• 玄学
• Prompt
• 脸谱