📖 AI 总结

该研究探讨语言模型在结构化领域适配中的表现差异，提出“表示兼容性”是影响适配效果的关键因素。作者以国际象棋为受控实验平台，对比符号编码（FEN）与空间格式（ASCII）两种语义等价但形式不同的状态表示，发现模型对同一语义输入的处理方式存在显著差异，进而影响学习与泛化能力。基于此，研究提出“表示对齐辅助监督”方法，利用环境衍生的任务在兼容表示下进行辅助训练。实验表明，该方法在相同目标数据条件下持续提升最优走子预测表现，其中揭示环境动态的任务带来的增益最大且最稳定，效果可与大幅增加目标数据量相媲美。此外，ASCII训练的模型向FEN迁移的效果优于反向迁移，甚至超过仅用FEN目标数据训练的基线，且增益可扩展至开放式事实性评论生成任务。

🔑 关键词速览