📖 AI 总结

TEFM 是一套面向关键领域结构化数据分析的建模框架，旨在同时解决大语言模型应用中的两大障碍：token 效率与忠实性。该方法通过将冗长的结构化观测压缩为紧凑的“行为代码”token，在大幅降低 token 消耗的同时将信息损失控制在较低水平；并通过双重保真目标，联合优化代码级重构与预测级保真，从而识别出基于输入数据的最小充分特征子集，实现忠实的推理依据生成。在临床与安全等多个领域数据集及 Qwen3、Gemma-2、Phi-4 等模型骨干上的实验表明，TEFM 在保持有竞争力的分类精度的同时实现了显著的 token 缩减，临床领域 token 保留率约为 1%，安全领域约为 2%，并能输出忠实的推理依据。该工作为 LLM 在高风险场景中的高效、可信应用提供了可行路径。

🔑 关键词速览