title: “北冥坞Beimingwu技术前沿与真实案例从 265 学件到 100×8B 打败 110B”description: “承接 33 号的学件范式概念版本篇聚焦 2024-2026 三年间北冥坞在 KDD/AAAI/ICML/NeurIPS/IJCAI 五大会议密集发表的六条技术主线Dali/NTK-RKME/LLM 学件/异构决策树组装/LANE/Tabular Repurposed以及水厂泵频率控制 -11.7% 能耗、100 个 8B 学件金融 14 数据集均分反超 110B 大模型等真实跑通案例。”tags:语言模型transformerchatgptcoverImage: /csdn-covers/34-cover.jpgdate: 2026-07-14category: AI / 大模型一、从是什么到跑到哪34 号的定位上一篇第 33 号把学件范式的是什么、为什么、值不值得赌讲透了。这一篇要回答的是最新做到了什么、真实跑了多少。触发本篇成文的时点性事件有三件其一2025 年 11 月 21 日中国科学院公布 2025 年新增院士名单学件范式提出者周志华当选信息技术科学部院士这是范式提出十年后国家最高学术共同体给出的确认其二2024 至 2026 三年间学件方向在 KDD、AAAI、ICML、NeurIPS、IJCAI 五大会议上密集发表至少 10 篇论文形成从规约设计—学件坞架构—复用组装—隐私证明的完整闭环其三北冥坞 v1.0 于 2024 年 1 月正式发布后进入稳定运维期Python 库learnware已于 2025 年 5 月 25 日迭代到 0.4.0.post1处于底座锁定、上层论文围绕做实验的状态。三件事叠加让 34 号的时机成熟——既能报道最新进展、又能盘点真实跑通的案例同时不与 33 号的概念铺陈重复。一句话索引33 号是概念34 号是数据。33 号我们讲了Learnware Model Specification二元组、RKME 核均值嵌入的数学骨架、北冥坞 6 模块架构和 4 类基础复用器。这一篇的叙事线不再是范式为什么合理而是范式在过去 30 个月里长成了什么样——六条论文主线、七类实验案例、三大平台规模差距的诚实盘点。二、Dali 与 LANE从任务侧对齐到任务模型双侧对齐学件规约设计线上 2024-2026 最重要的一次结构升级来自东南大学张敏灵组。陈伟、毛俊翔、王小铮、张敏灵在 ICML 2025 发表《Learnware Specification via Dual Alignment》将什么是好的规约这个开放问题重新框定为双侧对齐一侧对齐用户任务分布另一侧对齐模型能力分布最终在同一潜空间中做匹配PMLR v267, pp. 8683–8699。传统 RKME 走的是仅描述数据的路径NTK-RKME 换掉核函数以贴近深度网络而 Dali 是第一个把模型也要有自己的规约作为对称主体的方法。它在 UCI 表格多任务基准上匹配精度显著高于纯 RKME 与 NTK-RKME 基线这本身不算奇迹真正的信号是——学件规约设计已经开始出现跨机构的独立贡献不再只是南大 LAMDA 的单点输出。紧接着的一步动作出现在 AAAI 2025。同一批东南大学作者联合中国移动浙江公司团队发表 LANELearnware Specification via Local Distinguishable FeatureAAAI 39(15):15857–15865, DOI:10.1609/aaai.v39i15.33741把规约从整体分布对齐细化到局部可判别特征——用户任务和学件在整体分布上可能相似但决策边界不同LANE 让规约保留哪些子区域是这个学件真正强的部分这类信息从而在选取时更精准。LANE 的意义并不止于精度指标它有一个不容忽视的信号学件学术工作首次能被公开追溯到具体运营商合作中国移动浙江公司产学联合作者的出现意味着范式已经开始被工业界主动接住。Dali 与 LANE 合起来可以概括为一次从单侧到双侧、从整体到局部的双重演进。33 号提到过 Dali 的名字与定位但没有展开——这里可以补齐一句规约从数据的一维投影升级为任务与模型的对偶投影是学件走向工业级检索的必要前提。三、NTK-RKME 与 LLM 学件100 个 8B 如何吊打 110B规约设计的另一条主线是核函数的换血。谭志豪、史浩宇、陈梓轩、姜远在《计算机学报》2024 年 47 卷第 6 期第 1232–1243 页发表《基于神经切线核的学件 RKME 规约》把原始 RKME 中用的 RBF 或线性核换成 NTKNeural Tangent Kernel内核。核心动机是深度网络的近似行为在 RBF 空间中会失真NTK 恰好能在无穷宽极限下把神经网络行为线性化把 RKME 规约与深度模型行为拉近一致。33 号已提过这条支线34 号更愿意把它定位为过渡桥——在 Dali 和 LANE 出现之前NTK-RKME 完成了把 RKME 从表格数据推向高维图像/文本数据的必要热身。真正让学件这个词在 2025 年被大量转发的是 LLM 学件的旗舰实验。谭志豪、赵子晨、史浩宇、张昕宇、谭鹏、俞扬、周志华合作的论文《Learnware of Language Models: Specialized Small Language Models as Effective and Efficient Alternatives》arXiv:2505.134252025-05-19 提交给出了一个反直觉但被数据坐实的结论100 个 8B 参数量的领域小模型学件可以在多个专业域上打败 110B 的通用大模型。核心装配是以 Llama3.1-8B 与 Qwen2.5-7B 作为基座训练 100 个金融医疗数学领域的小模型学件每个学件封装一个小于 1M 参数的 LoRA 权重向量规约层用 Qwen2.5-0.5B 生成语义规约供任务侧选取组合。金融域的 14 数据集 Table A8 是这篇论文的招牌结果。逐项数字如下Australian 45.68→56.83LendingClub 84.60→92.07FiQA-SA 74.90→76.38FPB 82.17→84.25German 66.00→67.06Headlines F1 92.80→95.61NER 49.29→52.79ACL18 49.73→52.82BigData22 49.76→52.40CIKM18 49.46→55.99FinArg-ARC 62.90→64.31FinArg-ACC 54.41→58.08MA 75.25→79.81MultiFin 59.80→63.46——14 项均分从 63.87 拉到 66.60涨幅 2.73。同表报告 Learnware 组合方案在全域上超越 Qwen1.5-110B / Qwen2.5-72B / Llama3.1-70B-Instruct 三个大规模单体基线至少 14 分。这里的对比不是小模型能不能做到大模型的水平而是合适的规约驱动组合能不能比单体大模型更贴合任务。医疗侧的对照更直白论文报告在 Open Medical LLM Leaderboard 上超越 Flan-PaLM-540B 排名进入第 7——组合 8B 小模型直接击败大型闭源模型的经典对照。需要补一句诚实的话。数学域的对比就没有金融那样漂亮。Qwen2.5-7B 基线 51.68Learnware 组合 52.62Best-single 学件 52.08Oracle 上界 54.89而 Qwen1.5-110B 达 57.99——当任务命中大模型天生优势场景数学推理时学件组合能带来的增量有限。这个数字必须写进正文否则把 LLM 学件包装成银弹会砸掉整个范式的可信度。真正的技术判断是学件是选择器不是生成器坞里有什么样的模型决定了它能覆盖到什么样的任务边界。从范式演进的角度看LLM 学件的最大意义在于它是LoRA-as-Learnware 的第一个规模化落地。LoRAHu et al. ICLR 2022, arXiv:2106.09685提供如何贴合任务学件规约提供选哪些贴合——两条正交的 PEFT 路径终于合流。34 号可以用一句话点出LoRA 是给定选择后的精调学件是精调之上的选择——两者不冲突恰恰是完整 PEFT 栈的两端。四、异构决策树组装把特征列不重合这块骨头啃下去学件方向从 KDD’24 就挂着一个老问题不同学件的特征空间不重合、甚至只有部分列共享时怎么组装谭鹏、周志华在《计算机研究与发展》2026 年 63 卷第 5 期 1249–1260 页发表《基于决策树的异构特征空间学件组装方法》DOI:10.7544/issn1000-1239.202550460给出了目前为止最清晰的一个答案不是把决策树看成端到端黑盒而是逐叶节点分裂条件级别地融合。稿件收稿 2025-06-09录用 2026-01-07正式刊出 2026-05-01接受国家自然科学基金 62250069 号基础科学中心项目资助并在 CCML 2025 拿到最佳学生论文奖。这条工作在工程落地上的意义比论文标题还要直接。医疗领域的 MIMIC 26 张表 / OMOP CDM 那种每张表都是不同视图的实际数据网格就是典型的异构特征空间——A 医院的电子病历里有 480 个字段B 医院可能只有其中的 220 个C 医院还有额外 60 个 A、B 都没有的科室专属指标。传统的模型复用方案在这种场景下几乎是死路要么强行对齐字段丢掉信息要么每家医院单独训一个模型。决策树组装的路径是在树结构级别做局部对齐——共享列走共同的分裂条件专属列走本地叶节点最终在预测阶段做加权融合。这不是对齐特征是绕过对齐。同一组作者的姊妹篇《Tabular Learnwares Can Be Repurposed》发表在 AAAI 202640(30):25778–25786, DOI:10.1609/aaai.v40i30.39776核心贡献是把在旧任务上训练的表格学件转用到新任务、新特征结构分布上而不是重新训练。两篇论文合起来构成了 2024-2026 表格学件方向的判别性规约 可复用组装最新面貌。34 号中把这条工作单独抽一节强调理由有三异构特征空间不是概念口号它对应医疗、金融风控这类每家客户数据字段都不完全一致的真实工程痛点决策树的可解释性带来天然优势——落到医疗领域比黑盒神经网络更容易通过合规审查决策树叶节点的分裂条件本身就是一种结构化规约能与 Dali/LANE 的规约层无缝对接。五、真实跑通的实验矩阵从水厂泵频到 CIFAR、新闻组技术前沿讲完回到应用案例。北冥坞的案例分四类官方 benchmark 实验、工业界四要素案例、公共评测榜单、教育科研使用。逐一列一遍。四要素最完整的工业界案例来自 KDD’24 论文。客户是某水厂论文中未披露具体名称场景是水泵频率控制模型的更新与复用数据是 10 个历史学件对应不同时期的泵运行状态效果指标是每 1000 吨水能耗从 35.1 kWh 降至 31.0 kWh下降 11.7%同时泵出水量保持不变。合作方是 Polixir 团队南京大学孵化专注决策智能。这是本次调研中唯一一条客户 / 场景 / 数据规模 / 效果指标四要素齐全的工业界故事——其他医疗、金融、政务、司法领域的案例都存在客户名称或部署时长未公开披露的问题这一点在文末的局限一节会显式说明。KDD’24 表格 265 学件基准用 Kaggle 三个销售预测数据集 Corporacion、PFS、M5 构造 265 个学件覆盖 5 种特征空间 2 种标签空间的异构组合。这是学件方向到目前为止规模最大的公开可验证实验——也是相对 HuggingFace / ModelScope 只搜关键词、不关心特征结构最直观的差异化。异构表格查搜必须依赖规约无法用关键词代偿。Ensemble 组合结果全面超越单个最优学件说明规约驱动的从坞中直接选取 组合比手动挑一个模型要稳定得多。KDD’24 图像 CIFAR-10 实验50 个学件每个训练在 4 类不平衡 12000 样本上比例 0.4:0.4:0.1:0.1100 个用户任务各 3000 样本、6 类分布0.3:0.3:0.1:0.1:0.1:0.1评估用 1-Acc loss越低越好。结果矩阵Mean 基线 0.655 → Best-in-dock 单最优学件 0.304 → JobSelector分区选取0.406 → AverageEnsemble 0.310 → Top-1 学件搜索 0.406。Top-1 单学件搜索已经把 1-Acc loss 从 0.655 拉到 0.406说明规约驱动的从坞中直接选取哪怕不组合都已明显好过随便挑而 Ensemble 组合能进一步拉齐最优单学件性能。KDD’24 文本 20-newsgroup 实验50 学件特征 tf-idf 朴素贝叶斯分类器。结果矩阵Mean 0.493 / 单最优 0.141 / Top-1 搜索 0.154 / JobSelector 0.155 / AverageEnsemble 0.138。文本域相较图像域的差距更小Ensemble 与 Best-in-dock 相差仅 0.003说明当学件间高度同构都是 tf-idf NB时组合空间小规约的价值主要在精准搜索而非组合——这是一条容易被忽略的边界学件的价值在异构不在同构。四类实验一张表看清场景数据集学件数用户任务Mean loss单最优Top-1 搜索JobSelectorEnsemble表格Corporacion / PFS / M5265多—Ensemble 优于单最优———图像CIFAR-10501000.6550.3040.4060.4060.310文本20-newsgroup50多0.4930.1410.1540.1550.138表中图像 / 文本单位为 1-Acc loss数据来自 KDD’24 pp. 5773–5782。公共评测榜单层面前面已经拆过 LLM 学件的三条独立评测线金融 14 数据集均分 63.87→66.60、医疗 Open Medical LLM Leaderboard 排名第 7 超 Flan-PaLM-540B、数学 GSM8K/MATH 上 Learnware 组合方案 52.62 优于 Best-single 52.08 但不敌 Qwen1.5-110B 57.99——跨域覆盖度最广的一组学术评测比 KDD’24 局限于工厂场景要宽得多。教育科研使用规模KDD’24 论文披露截至 2024 年 1 月北冥坞已被 500 研究者、来自 150 高校用于学件相关研究。截至 2026 年 7 月官网、docs 与南大 LAMDA 页面均未找到该数字的最新更新——这是一条 stale 数据34 号读者需要知道它的时点。国际影响与荣誉层面2025-11-21 周志华当选中国科学院信息技术科学部院士2025-03-25 澳门大学做 “Learnware Paradigm” 主题讲座澳门科技大学 2025 年授予荣誉博士学位2024-12 MEET 2025 智能未来大会 keynote《学件和异构大模型》——国内顶级学术承认、港澳国际讲座、顶会 Trustee 席位三层递进已经完整。六、生态诚实盘点112 star vs 200 万模型写到这里必须做一次诚实盘点。GitHub 双仓库实时数据2026-07-13 快照Learnware-LAMDA/Learnware 112 stars / 4 forks主语言 PythonApache-2.0Learnware-LAMDA/Beimingwu 前端仓库 124 stars / 4 forks主语言 VueApache-2.0。对比参照HuggingFace transformers 主库长期在数十万 star 量级Ray/Serve 主库亦在 3 万北冥坞两仓库的百级别 star 客观说明它当前仍是学术原型 早期工业验证阶段生态热度与主流 MLOps 项目差两个数量级。learnwarePython 包最新版本0.4.0.post12025-05-25 发布历史迭代节奏约半年一次与顶会论文投稿节奏基本吻合。这个节奏意味着底座库稳定、上层论文围绕做实验是当前状态而不是生态平台快速迭代。放到三大平台规模对比里更直观平台模型数用户特色能力数据日期HuggingFace Hub200 万1300 万注册 / 月活 55 万 / 企业 20 万关键词检索 Spaces Enterprise2025-10-27ModelScope10 万1800 万关键词检索 5000 MCP 服务2025-09-29北冥坞 Beimingwu265 学件KDD’24 实验 100 SLM 学件arXiv 2505.13425500 研究者 / 150 高校规约驱动检索 组合 异构特征2024-01披露/ 2026-05论文实验三者差异至少是三到四个数量级。但北冥坞相对 HuggingFace / ModelScope 的结构性差异化不在规模而在检索方式前两者要求用户自己知道要什么后者让用户带任务而来。用一个略夸张但意思明确的对比HuggingFace 是仓库ModelScope 是市场北冥坞是零件商城 装配线。34 号的读者会自己去 GitHub 上确认 star 数据与其粉饰不如把定位说清楚——学件是选择器 组合器规模远不是它当前阶段的核心 KPI。除了规模差还有四条不能回避的局限。其一除水厂泵频率控制外医疗、金融、政务、司法领域的真实客户级案例的四要素客户名称、数据规模、部署时长、效果指标均未公开披露arXiv:2505.13425 的金融 / 医疗结果都是公开 benchmark 而非客户级落地。其二学件规约在 100 个 8B 学件坞上跑通了但如果学件坞规模扩大到 1000 个 70B 学件规约生成 匹配 LoRA 组合的推理成本会如何官方文档、arXiv 论文均未披露。其三KServe、Ray Serve、KubeFlow 等主流 MLOps 平台是否有原生支持 Learnware 协议截至 2026 年 7 月未查询到公开集成工具链。其四北冥坞 Apache-2.0 完全开源NSFC 基金支持不能长期免费维护一个云端服务——学件坞是免费基础设施与商业变现之间的路径是下一步不可回避的问题。这四条局限不是软文里的美中不足而是真正决定学件范式能否从学术原型走向工业级基础设施的关键变量。34 号如实呈现反而比包装成杀手锏更能站得住脚。七、四范式对标LoRA、联邦学习、Model Zoo、Model Spider学件不是孤军作战。放到主流的模型复用范式里做四条参照线位置会清晰很多。Learnware vs LoRA / Adapter。LoRA 和 Adapter 都是在同一个基座模型上加轻量参数模块把参数增量拉到几百 K 到几 M 量级——回答的是给定基座和目标任务怎么最少动参数就把任务学好。学件不同学件坞里可以有多个基座的多个模型LLM 学件 100 个 8B 学件混合了 Llama3.1-8B 与 Qwen2.5-7B 基座规约回答的是面对当前任务坞里哪些模型最该被选出来。两者正交且互补——LLM 学件的实际做法就是每个学件封装一个 1M 的 LoRA 参数向量规约层做选取这就是 LoRA-as-Learnware 的自然合流。Learnware vs 联邦学习。联邦学习FedAvg, McMahan 2017 起解决多方数据不出本地共同训练一个中心模型的问题学件解决多方模型公开、规约无泄漏、按需组合。二者的共同点是数据都不离开原持有方差异点截然不同联邦学习是训练态、多轮通信、中心方聚合梯度、隐私对象是数据本身梯度可能被反演学件是推理态、异步组装、中心方维护学件坞、隐私对象是规约RKME 已在 TKDE 上给出无源数据可恢复的理论保证。对读者的现实意义如果场景已经有一批可用模型学件是显然更轻的选择反之如果多方还没训练出可用模型只有数据可分享联邦学习是主路径——两者不该被误当作直接替代。Learnware vs Model Zoo。HuggingFace 与 ModelScope 的模型规模数据前面已经列过。北冥坞相对它们的结构性差异化不在规模而在检索方式、组合能力、异构特征支持、隐私证明四个维度前两者依赖关键词 tag没有原生组合能力也无法处理异构特征空间北冥坞四者都有。当场景对精准选择 多模型协作 隐私证明有硬需求时医疗、金融、政务学件的架构优势才会被凸显。Learnware vs Model SpiderNeurIPS 2023。NeurIPS 2023 上 Yi-Kai Zhang 等人发表 Model Spider作者团队与南大 LAMDA 相邻但不同Han-Jia Ye 组方法是嵌入式召回 学习排序从 Model Zoo 中挑合适预训练模型。它与北冥坞的差异在于规约层的抽象程度Model Spider 依赖内嵌向量代表本质是学习一个任务-模型匹配函数Beimingwu 依赖显式规约RKME/NTK/Dali/LANE——后者可解释性更强且理论上支持规约无源数据可反演的隐私证明。把 Model Spider 作为学术竞品参照列出避免把北冥坞塑造成全球唯一路线也是 34 号的一份诚实。四条参照线合起来一张表维度LoRA / Adapter联邦学习Model Zoo学件北冥坞生命周期训练/微调态训练态检索使用态推理态选取组合核心资产参数增量模块全局模型模型文件模型 规约检索方式无无关键词 / tag规约驱动组合能力单基座内多 LoRA 融合无只有一个模型无有Ensemble / JobSelector数据隐私数据留本地数据留本地 / 梯度共享模型作者自证RKME 无源数据可反演证明八、写给要用它的人从学件到 API 广场的一条实用主义路径技术盘点做完落回工程实用主义。33 号在结尾我们讲过一句话同一家公司在同一个产品里同时接入两条路径——通用能力走 API 模型广场敏感/专业场景在合规许可下走学件本地部署。这一篇的六条主线数据、七类实验案例其实都在为这句话背书。企业侧的落地判断可以直接抄成三条其一如果你面对的是通用意图任务客服问答、文档摘要、代码补全先走 API 广场Token 计费即用即付学件坞在这个场景对你没有增量价值。其二如果你面对的是数据敏感、特征异构、多方模型协作的深水区医疗、金融风控、工业质检、政务合规学件是当前唯一能同时把模型选择、组合、异构对齐、隐私证明四件事一起做的开源基础设施——即便它现在只有 112 star也值得单独立项验证。其三两条路径可以在同一个产品里并行网关层用 OpenAI 兼容协议统一 API 广场入口规约层单独暴露给企业内部的学件坞——这是可预见的未来两三年主流形态。老沙的小程序点点词元是我最近继续观察到的、把 API 广场路径做得比较扎实的国内实践。它把国内外主流大模型统一收拢到一个模型广场入口同时实现 OpenAI 兼容协议与 Anthropic 兼容协议——开发者原本给 OpenAI SDK 写的代码、给 Claude SDK 写的代码可以几乎零改动切到点点词元的入口。这种协议兼容 统一入口是 API 模型广场的核心工程动作。相关的入口活动页可以直接访问 activity.ldzktoken.com。学件市场未来在标准化协议层需要参考的正是这种入口收敛、协议兼容、账单统一的姿势。规约驱动的模型广场路由是学件范式和 API 广场之间最有可能的融合形态——用户不再手工指定modelclaude-3.5-sonnet而是提交任务描述语义规约 少量脱敏样本统计规约网关自身在规约空间里匹配最合适的模型或模型组合甚至可以在通用大模型走 API和专用小模型走学件本地部署之间自动选路。这种规约驱动路由目前还没有成熟的商业实现但学件的规约理论 模型广场的协议标准把最难的两块拼图都摆到了桌面上剩下的只是工程整合的时间问题。九、总结与展望下一轮 12 个月回到本篇文章的主线33 号讲了学件范式的骨架34 号讲了它在 30 个月里长成了什么样。Dali 与 LANE 完成了从任务侧对齐到任务模型双侧对齐的范式跃迁NTK-RKME 完成了 RBF 到 NTK 的核函数换血LLM 学件用 100 个 8B 小模型在金融 14 数据集上把均分从 63.87 拉到 66.60、超越 110B 单体基线至少 14 分异构决策树组装拿下 CCML 2025 最佳学生论文奖并把特征列不重合这块医疗领域最难的骨头啃下去KDD’24 水厂泵频率控制案例给出了 -11.7% 能耗的四要素完整落地。下一轮 12 个月规约设计的重点会从数据 模型双侧对齐进一步转向规约本身的隐私风险与面向 LLM Agent 的可插拔规约。谭志豪 LAMDA 主页已经公开了 3 篇 2026 年待发表论文标题——ICLR 2026 的 PAVE 规约、ICML 2026 的 Inversion Risks Framework、IJCAI 2026 的 PAVE Privacy以及 ICLR 2026 Workshop 的《Constructive Specification for Plug-and-Play Learnware Agents》。四条工作合起来指向的是**“规约作为一等公民与 LLM Agent 生态原生对接”**的下一步。学件的价值不是取代大模型而是给大模型时代补上’如何选、如何组合、如何合规’这三张缺失的拼图。112 star 与 200 万模型的数量级差距是学件当前的位置从 33 号到 34 号讲清楚的六条主线、七类案例、三大平台对比是它下一步的桩基。权重是资产规约是账本选择器决定资产的复用价值——这是本篇留给读者的最后一句话。收工。