通过符号压缩提升大型语言模型效率：朝向可解释性的形式化方法

本研究解决了大型语言模型在代码生成和逻辑推理任务中存在的显著令牌效率瓶颈问题。我们提出了一种基于符号压缩的形式化框架，通过结合组合逻辑、信息论最优编码和上下文感知推理技术，实现了令牌效率的显著提升并保留语义完整性。实验结果表明，该方法在代码生成任务中实现了78.3%的令牌压缩率，并提升了62%的逻辑可追溯性，为大型语言模型的高效推理提供了新的理论工具。