Ockhamareto：帕累托门控 + 分段信用，让 RL 生成的单元测试既准又省 —— 精读

论文链接：https://arxiv.org/abs/2608.24473

发表时间：2026年8月（arXiv:2608.24473v1，25 Aug 2026，cs.SE）

机构：新加坡国立大学（Dong Huang、Mingzhe Du、See-Kiong Ng）× 伦敦大学学院 UCL（Mark Harman）× 伦敦国王学院 KCL（Jie M. Zhang）× 香港科技大学（广州）（Zhijiang Guo）——四校跨国纯学术合作，无企业参与。值得一提的是 Mark Harman 是搜索式软件测试与帕累托多目标测试选择的奠基者之一（Yoo & Harman 2012），Jie M. Zhang 长期深耕 LLM 测试生成，本论文可视为「经典软件测试智慧 × 现代 LLM 强化学习」的融合之作

领域标签：软件工程（cs.SE）/ 代码大模型 / 单元测试生成 / 强化学习后训练 / 突变测试

一、论文背景：测试的收益递减问题

1.1 单元测试生成：LLM 时代的老问题新形态

单元测试是软件开发中最基础的质检环节：针对一个函数写若干测试用例（test case），用具体输入验证输出是否符合预期。一个函数的所有测试构成一个测试套件（test suite）。写过测试的工程师都知道一个朴素的事实：测试不是越多越好。每多一个测试，就多一份执行时间、代码评审成本和长期维护负担，但它能多抓到的 bug 却在递减——这就是软件测试领域的经典命题收益递减（diminishing returns），也即 Dijkstra 那句名言的另一面：测试能证明 bug 存在，却永远无法证明 bug 不存在，所以「什么时候可以停止测试」没有理论答案，只有经济学答案：当多写一个测试的检出收益不再抵得上它的维护成本时。

LLM 的出现让测试生成变得空前便宜：给模型一个函数的签名、文档和实现，它就能直接生成可读、地道的 pytest 测试。但便宜恰恰放大了收益递减问题——模型毫不吝啬地生成一大堆测试，其中大量是互相重复的，每个测试的边际检出价值很小，却都要人来评审和维护。生成成本趋近于零，维护成本纹丝不动，浪费反而更严重了。

1.2 评估测试好坏的尺子：从覆盖率到突变分数

怎么衡量一个测试套件的「抓 bug 能力」？传统答案 是结构覆盖率（语句覆盖、分支覆盖）：测试执行到了多少代码。但覆盖率有个著名漏洞：assert f(x) is not None 这种断言能把代码跑个遍，却几乎不检查任何语义——「跑过了」不等于「验对了」。

更强的尺子是突变测试（mutation testing）：对被测程序做小的语法变异（把 + 改成 -、0 改成 1、break 改成 continue），制造一批「突变体」（mutant）。如果测试套件能杀死（kill）某个突变体（即在变异版程序上测试失败），说明这个测试真的在检查语义。突变分数（mutation score）= 被杀死的突变体比例。大量实证研究表明，突变分数比覆盖率更能预测真实 bug 检出能力。它的代价是计算昂贵——所以本文作者用 cosmic-ray 工具预构建每个函数的突变体池，训练时反复复用，把单次评分延迟从约 110 秒压到约 1 秒。

1.3 从提示工程到 RL：仍剩一个效率顽疾

早期 LLM 测试生成靠提示工程；近年转向强化学习（RL）：让模型生成测试、在沙箱执行、用执行结果当奖励来微调模型。奖励信号也不断进化：覆盖率 → 边际覆盖增益 → 边际突变杀死数。其中最强的 MIST-RL 采用多轮生成（multi-turn）：模型生成一个测试 → 执行反馈 → 再生成下一个，每轮都能算出该测试的边际贡献，信用分配（credit assignment，即「功劳算给谁」）很自然。

但多轮生成有两个代价：推理要串行多次调用 LLM；更隐蔽的是，策略学到的是「每个新测试是否带来边际增益」，而不是「整个套件作为整体是否划算」——只要有边际增益就继续生成，套件自然膨胀。这暴露了两个耦合的优化难题：

• 套件层面：如何区分「高效精干的套件」与「用冗余测试堆出类似效果的臃肿套件」？
• 测试层面：套件里到底哪个测试在立功、哪个在搭便车？

vanilla GRPO 只给整条轨迹一个标量优势，这两个问题它都回答不了。这正是 Ockhamareto 的切入点。

二、论文定位和关联工作

2.1 研究谱系一：测试生成方法的演进

2.2 研究谱系二：帕累托方法进入软件测试

Yoo & Harman（2012）率先用帕累托优化做测试选择——从已有测试集中挑选子集。本文的关键区别在于：生成与选择不再分离。LLM 策略自己构造套件，训练目标可以同时影响「生成哪些测试」和「生成多少测试」，于是简洁性从事后筛选准则变成了学习过程的一部分。这是把 2012 年的工程智慧移植进 2026 年训练循环的漂亮操作。

2.3 研究谱系三：RL 信用分配与过程奖励

轨迹级 RL 的通病是信用分配粗糙：一个标量回报平摊到所有 token。推理领域的过程奖励模型（PRM）给中间步骤打分来缓解。本文的分段信用可视为其领域特化的精确对应物：不学一个步骤验证器，而是直接从沙箱执行结果中提取精确可执行的每测试信号（边际突变杀死数），经 tokenizer 的 offset mapping 映回该测试的 token 区间。作者声称这是首个把每测试执行结果用作测试生成 token 级 RL 信号的工作。

定位结论：Ockhamareto 站在「MIST-RL 的突变奖励 + Yoo-Harman 的帕累托测试经济学 + PRM 的细粒度信用」三者交汇处，用单次生成这一「更难的设定」倒逼出更聪明的奖励设计。

三、问题定义

3.1 从具体场景到抽象问题

具体问题是：给定函数（名字、签名、docstring、参考实现），策略模型一次性输出完整的 pytest 套件。深层的洞察在于：测试套件是一种「内部有结构」的轨迹——它是若干个各自独立有价值的 def test_* 块的序列，每块都可以在沙箱里单独执行并得到精确的边际检出贡献。标准 GRPO 把套件当黑盒整体打分，浪费了这份结构信息。

于是问题可以抽象为一个类比：套件生成 ≈ 多目标组合优化 + 结构化信用分配。对应关系如下：

3.2 形式化定义

给定：被测函数 x；GRPO 组大小 K=8；预构建突变体池（N_mut 个/任务）；沙箱能报告每测试的「首次杀死突变体数」。

求：策略 π_θ，使得单次生成的套件在（mutation, −#tests）二维空间中尽可能落在帕累托前沿上，且套件内高产出测试的生成倾向被强化、冗余测试被抑制。

约束：单次生成（one-shot，无多轮反馈）；奖励设计需保持 GRPO 的中心化性质（组内优势零均值）；不预设「一个额外测试 = 多少检出率」的固定汇率。

精妙之处：第二条约束是本质性的——不同部署场景对「测试数 vs 检出率」的权衡完全不同（预提交钩子只要 1-2 个快测试，离线分析可以跑 10 个），任何固定惩罚系数 λ·n 都是对某种场景的偏见。帕累托门控只说「如果别的套件用更少测试达到不低于你的检出，你得不到奖励」，把汇率留给使用者在前沿上自选。

四、问题解法

Ockhamareto = 套件级质量奖励 + 帕累托门控简洁奖励 + token 级分段信用，全部塞进一个单次生成的 GRPO 循环。

4.1 套件级质量奖励：突变为主，覆盖率出局

对能跑通的套件 i：q_i = 0.2·corr_i + 0.8·mut_i（corr = 在参考实现上通过的测试比例，mut = 突变分数）；跑不通则 q_i = 0。覆盖率权重为零——作者的理由很锋利：覆盖与突变高度相关但严格更弱，奖励覆盖等于邀请模型用 assert f(x) is not None 这类「跑而不验」的断言刷分（reward hacking）。

4.2 帕累托门控：只奖励「前沿上的套件」

类比：把组内 8 个套件丢进（检出率， −测试数）平面，画出帕累托前沿。只有不被任何同伴支配的套件才有资格拿简洁奖励。形式化地，rollout i 被 j 支配当且仅当 q_j ≥ q_i ∧ n_j ≤ n_i ∧ (q_j > q_i ∨ n_j < n_i)。前沿成员获得：

b_i = W_P + W_N · rank_i    （W_P=W_N=0.15，rank∈[0,1] 越少测试越高）

W_P 是「上桌费」（进入前沿就有，包括「质量最高但测试多」的角落），rank 项在前沿内部进一步偏爱少测试。关键性质：一个「用更多测试换来并不更高的检出」的套件，按构造被它的更大但更强的邻居支配，什么也拿不到。论文图 1 的例子：R1（3 测试，60%）/ R2（5 测试，70%）/ R3（2 测试，40%）在前沿上，R4（4 测试，50%）被 R1 支配，颗粒无收。

4.3 分段信用：把每个测试的功劳记到它的 token 上

这是本文最精细的机制，可以类比为「把年终奖拆成绩效到人」：

1. 段级计分：沙箱对每个测试 k 记录它是首个杀死多少个突变体（killed_k）。段级奖励 Δ_k = killed_k / N_mut（通过时）；测试失败则记负惩罚；零杀死且通过记 0。「首杀」归属天然偏向排在前面的测试——这是故意的：作者希望策略把最有区分度的测试前置（实践中前几个测试在 CI 里被跑得最频繁）。
2. 零均值化：Δ̃_k = Δ_k − mean(Δ)，保证所有偏移之和为零，不改变轨迹级 GRPO 优势（GRPO 的中心化性质得以保留）。
3. 映射到 token：把采样输出重新分词并要求 id 严格回环一致（否则整个 rollout 回退到标量 GRPO，保证信号干净）；用正则定位每个 def test_* 的字符区间，将 W_seg·Δ̃_k（W_seg=0.5）加到字符中点落在该区间的每个 token 的优势上；样板代码（import、前缀）偏移为 0。

论文的 worked example（值得细品）：某套件三个测试的首杀数为 (40, 2, 0)，N_mut=100，全部通过。则 Δ=(0.40, 0.02, 0)，均值 0.14，中心化后 Δ̃=(+0.26, −0.12, −0.14)。乘 W_seg=0.5 后：测试 1 的每个 token 额外 +0.13，两个冗余测试分别 −0.06、−0.07。同一条轨迹内部，立功者被推、搭便车者被压——这是标量 GRPO 做不到的。

值得注意的是该机制的通用性陈述：它与 pytest 无关，适用于任何能解析成「独立可打分的段」的输出——断言行、输入输出用例、推理步骤皆可，只要有段级分数和区间定位器。

4.4 全景：一步训练循环

训练配置：Qwen3.5-4B/9B/27B，LoRA rank 32，AdamW lr=2e-5，240 步，批 32 任务×8 rollouts；4B 需 8×A100 约 18 小时，沙箱执行占墙钟时间约 60%。

五、评估指标与实验证据

5.1 指标体系与基准

主指标：突变分数（Mut.，↑）——直接度量「区分正确实现与错误变体」的能力，本文核心主张的载重指标。辅助指标：语句覆盖（Stmt.）、分支覆盖、正确率、每测试效率 Eff. = Mut.÷n_actual（衡量「平均每个测试值多少检出率」，直接对应简洁性主张）、实际测试数 n_actual。协议：first-N=5——按源码顺序截前 5 个测试取并集（检出以首个杀死该突变体的测试落在前 N 内为准），专门暴露套件级指标会掩盖的冗余。

基准（五 Held-out + 训练/评测严格去污染）：

• ULT（UnLeakedTestBench）：同分布主战场，The Stack v2 真实库函数、2,126 任务、已验证无测试泄漏；
• HumanEval+（164）/ MBPP+（399）：标准函数级基准，自建 cosmic-ray 突变池；
• CodeContests：竞赛题，用真人错误提交替代合成突变体当故障源（衡量能否抓住真实人类 bug）；
• TestGenEval-Lite：仓库级（Django/sympy/sklearn/matplotlib），需跨函数依赖推理。

5.2 核心数值证据

Table 1：五基准全面对比（Qwen3.5-4B，N=5）

在 ULT 上对 MIST-RL 构成严格帕累托支配：+18.6pp 突变同时 −44% 测试数；每测试效率 19.2% 是 MIST-RL（6.7%）的 2.9 倍、基座（5.7%）的 3.4 倍。五个基准上 Ockhamareto 行行领先突变+覆盖，且行行套件最小——没有一次是靠多写测试换来的。CodeContests 用真人错误提交当故障源仍 +12.2pp，说明优势不是「cosmic-ray 突变体的特异性」。

前 N 曲线（图 2）——「前载」最直观的证据：Ockhamareto 第 1 个测试就达 33.3% 突变，超过 MIST-RL 第 5 个的 31.3%——等效 5 倍压缩；N=3 即捕获 N=5 值的 99%。而三个基线的原始套件平均写 12–16 个测试（中位 11–12，p90 达 26），first-5 协议直接丢弃了它们约 60% 的产出；Ockhamareto 原始输出平均仅 3.02 个（中位 3，最大 6），截断几乎不损失。

Table 3：规模实验：4B/9B/27B 三规模同配置训练，相对各自基座 +35.4/+34.5/+30.5pp。最刺眼的一行：Ockhamareto-4B（49.9%）反超未调优 27B 基座（30.5%）+19.4pp，参数少约 7 倍、测试还少 28%。基座从 4B→27B 的自然提升（+16.0pp）不足框架增益（+35.4pp）的一半——奖励设计是比模型规模更强的杠杆，且二者可叠加。

Table 2/4：消融与敏感性：去掉分段信用（W_seg=0）：突变 49.9→41.2（−8.7pp），n 涨到 3.07；去掉帕累托奖励（W_P=W_N=0）：突变 49.9→40.0（−9.9pp），n 涨到 3.21。W_seg=0.75 时有效套件率从 85% 掉到 73%（偏移过强破坏稳定性）；W_P=0.30 进一步压缩套件（n=2.31）但突变掉到 47.2。默认值都在突变峰值处。信号健康度（Table 6）：offset mapping 成功率 67.8%，约 32% 的 rollout 回退为标量 GRPO——即便如此分段信用仍贡献显著。

Table 5（RQ5）：每个函数该维护几个测试？ 100 个函数各采 50 个套件建经验帕累托前沿：中位拐点 3 个测试（众数也是 3），但范围 1–14；前沿中位数仅 2 个点；约 97% 的采样套件是被支配的（被支配:前沿中位比率 47:1）——不用前沿提取、随手挑一个套件几乎必然次优。Ockhamareto 贡献了 60.8% 的前沿点（是任一基线的 4 倍），且所有前沿的低预算区（含拐点）均由 Ockhamareto 供应，基线只出现在收益递减的尾部。最反直觉的发现：拐点位置与代码行数、圈复杂度的 Kendall τ_b 仅在 [−0.02, 0.08]（全部 p>0.3）——「大函数需要多测试」这类静态经验法则不可靠，测试性价比只能逐函数实测。

六、效果优势的根源解释

为什么同样的 Qwen3.5-4B、同样的训练数据、同样的 GRPO 骨架，Ockhamareto 能同时多抓 bug 又少写测试？因果链要一层层剥开。

6.1 基线的根本局限：标量优势的「大锅饭」

vanilla GRPO 把一个标量优势广播给整条轨迹的每个 token。对内部结构化的套件轨迹，这意味着信息坍缩：模型只知道「这套件好」，不知道哪个测试立的功。后果不是抽象的，而是定向的：梯度无法区分「写了一个高区分度测试」与「跟写了三个重复测试」，而「多写测试总能多杀几个突变体」是一条便宜的学习捷径——于是套件膨胀到 12–16 个，策略用数量换检出率（+GRPO 基线：18.9% 突变、3.43 测试，几乎全靠堆）。MIST-RL 用多轮结构换到了每测试归因（31.3%、4.67 测试），但它优化的目标是「每个增量测试是否有边际增益」——一个只要边际增益为正就无停止条件的贪婪准则，臃肿是结构性的。

6.2 Ockhamareto 的两处机制改变

改变一（帕累托门控 → 约束改变）：它没有告诉模型「测试数要少」（那需要预设汇率），而是改变了奖励的资格结构：组内比较下，「用更多测试取得不高于同伴的检出」这个完整的策略区域被切断了奖励供给。学习信号从「检出率一个维度」变成「(检出率, 测试数) 联合位置」。反事实验证：去掉这个门，n 从 2.60 涨到 3.21、突变掉 9.9pp——而且论文特别指出，没有门控的模型并没有靠多写测试找回突变分数（40.0% < 49.9%），说明门控不只是「变短」，而是逼策略迁移到「每个测试更值钱」的解区。

改变二（分段信用 → 信息流改变）：零均值化后的段级偏移等价于在轨迹内部重建了梯度分辨率。worked example 里 (40,2,0) 首杀的三测试套件，标量 GRPO 下三个测试同享一个优势；分段信用下测试 1 每 token +0.13、测试 2/3 每token −0.06/−0.07——学习信号从「这套件好」变为「这类测试值钱、那类测试白写」。因果链的终点在指标上清晰可验：学习信号前载化 → 第 1 个测试即达 33.3% 突变（超过 MIST-RL 第 5 个）→ N=3 饱和 → n_actual=2.60 且突变 49.9%。反事实：W_seg=0 时模型退回「多测试多杀」的老路（n=3.07、41.2%），正是「more tests catch more mutants」的基线行为。

6.3 两机制的分工与合力

消融揭示了漂亮的互补结构：帕累托门守「总量」，分段信用守「质量」。去掉门 → 套件变大（3.21）且检出掉得多（−9.9pp）；去掉分段信用 → 检出掉（−8.7pp）且模型重新靠数量找补（n=3.07）。两者针对的是不同的失败模式：没有门控，分段信用能把信号集中在高产出测试上但没人阻止总量膨胀；没有分段信用，门控能压住数量但没有「哪个测试值钱」的微观信息，策略不知道往哪个方向提高单测试质量。合起来才出现「检出↑同时数量↓」的严格帕累托支配——论文标题里 Ockham（如无必要，勿增实体）+ Pareto（两者不可兼得时摆出前沿）的组合，机制上名副其实。

6.4 诚实的边界

三点值得注意：① 分段信用依赖 offset mapping，约 32% 的 rollout 回退为标量 GRPO，信号被稀释但消融显示剩余 68% 已足够贡献显著增益；② 「首杀」归因天然偏爱靠前的测试，这是有意设计（前置最有区分度的测试），但也意味着该偏置是特性而非缺陷的前提是 first-N 评估协议与现实部署（CI 常跑前几个测试）匹配；③ 4B 反超 27B 基座是「未调优 27B」的对比，不等于奖励设计可以完全替代规模——27B+Ockhamareto 达到 61.0%，仍是最高。

七、必要知识反推

假设一位研究者从零接近这个问题，做到这篇论文最少需要哪些知识？

7.1 领域知识层（软件测试）

• 突变测试原理与工具链（cosmic-ray、每测试 kill 矩阵、首杀归属）：不知道「突变分数是比覆盖率更强且更接近真实故障检出的充分性准则」，就不会把奖励锚定在突变上；不会扩展沙箱 harness 记录 per_test_mut_killed，分段信用就无从谈起——这是整篇论文的信息源头。
• 收益递减与测试经济学（执行/评审/维护成本、「何时停止测试」无理论解）：不理解这个，就不会想到把「测试数」当作与「检出率」平起平坐的优化目标。
• 帕累托支配/前沿/拐点的准确概念：门控奖励和 RQ5 分析的数学语言。

7.2 方法论知识层（RL 与 LLM）

• GRPO 的组相对优势与中心化性质：分段偏移必须零均值才能不扰动轨迹级优势——不理解 GRPO 内核，这个「不破坏主信号」的设计无从保证。
• 信用分配问题与过程奖励（PRM）：知道轨迹级标量的信息坍缩是通病、PRM 是推理领域的解法，才能想到「能不能不学验证器、直接从执行结果里提取精确段级信号」。
• 奖励函数设计反作弊意识（KL 锚定参考策略、不给覆盖率权重以防弱断言刷分）：来自对 reward hacking 的经验性理解。
• 前沿定位：知道 MIST-RL/TestDecision 的多轮范式及其「边际增益准则无停止条件」的结构性缺陷。

7.3 工程知识层

• 沙箱化执行基础设施（SandboxFusion、Docker 固定环境、128 并行 worker）：突变评分占 60% 墙钟时间，预构建突变池把评分延迟从 ~110s 压到 ~1s，是训练可行的前提。
• tokenizer offset mapping 与 id 回环校验：把字符区间可靠地映射回采样 token，失败即回退——保证信号不被分词噪声污染。
• 去污染协议（PLT 训练集剔除评测任务、ULT 验证无测试泄漏）：保证「+35.4pp」不是数据泄漏的幻觉。
• LoRA 多规模实验设计（rank 32、~40M 可训练参数）与 first-N 评估协议的构造。

7.4 知识融合的关键节点

三个「化学反应」节点：① Yoo-Harman 的帕累托测试选择 × GRPO 的组内比较 → 帕累托支配天然是「组内」概念，GRPO 每组 K 个 rollouts 恰好提供现成的比较池，门控奖励几乎是两者相遇的必然产物；② 突变测试的每测试粒度 × RL 的 token 级优势 → kill 矩阵本来就按 记录，只是没人想到经 offset mapping 注入 token 优势——「精确的段级执行信号」替代「学习的步骤验证器」是本文最锋利的一步；③ 单次生成的「劣势」倒逼「优势」 → 放弃多轮反馈反而逼出套件级性价比优化 + 轨迹内归因的双重创新。没有经典测试经济学（Harman 一系）的积淀，③ 只会被当作工程妥协而非设计机会。

八、论文中可以提取的通用性灵感

灵感 1：组内非支配性是「免费」的多目标奖励门

• 核心思想：RL 采样组（GRPO/Best-of-N）本身就是现成的比较池，把额外奖励只发给组内帕累托非支配的样本，即可同时优化多个目标而无需设定目标间汇率。
• 论文证据：帕累托门使 n_actual 2.60 vs 无门 3.21，突变 +9.9pp；且 W_P 权重敏感性温和（0.15→0.30 仅 −2.7pp 突变）。
• 推广场景：① 长文本生成的（质量, 长度）双目标——只奖励组内「更短且不更差」的样本；② Agent 任务的（成功率, 工具调用次数/成本）；③ 代码生成的（pass@1, token 数）；④ 任何「产出物有天然成本维度」的生成任务。

灵感 2：凡是输出可解析成「独立可打分的段」的轨迹，都值得做分段信用

• 核心思想：不需要学习过程奖励模型——若输出结构（测试块/章节/步骤/工具调用）天然可分段且每段可精确执行打分，把段级分数零均值化后注入对应 token 区间，就能无偏地重建梯度分辨率。
• 论文证据：worked example (40,2,0)→(+0.13,−0.06,−0.07)；去掉分段信用突变 −8.7pp、策略退回堆数量；第 1 个测试 33.3% > MIST-RL 第 5 个（5× 压缩）。
• 推广场景：① 多文档摘要（每段对总质量的可测贡献）；② 多步推理（每步的可验证性得分）；③ 批量 API 编排（每次调用的边际业务效果）；④ 多模块代码生成（每模块的单元测试通过率）。

灵感 3：「归因偏向早段」可以是特性而非缺陷

• 核心思想：当消费场景天然截断前缀（CI 只跑前几个测试、用户只读前几屏），把功劳显式归给「首次达成者」可以把价值前载到产出物头部。
• 论文证据：首杀归属故意偏向靠前的测试 + first-N 评估协议，共同刻画并驱动了「N=3 饱和」的前载行为。
• 推广场景：① 搜索/推荐结果排序（首个满足意图的结果权重最高）；② 长报告写作（结论前置）；③ Agent 工具序列（早期低成本动作优先完成目标）；④ 消息流摘要（头几条覆盖核心信息）。

灵感 4：奖励设计可以比模型规模更便宜地买到能力

• 核心思想：在结构化、可验证的任务上，精细化奖励设计（对齐任务真实经济学）的边际收益可能超过 6–7 倍的参数扩张。
• 论文证据：Ockhamareto-4B 49.9% > 基座 27B 30.5%（+19.4pp，少 7 倍参数）；三规模一致 +30~35pp。
• 推广场景：① 算力受限的垂直领域落地（先改奖励再换大模型）；② 蒸馏前的教师能力最大化；③ 任何「执行结果可程序化判定」的任务（SQL、形式化证明、配置生成）。

灵感 5：重要的工程权衡（「该维护几个测试」）可能没有静态代理指标，只能实测

• 核心思想：不要假设「容易计算的代理量」（行数、复杂度）能预测深层权衡；正确的做法是构造经验前沿，让权衡显式化、逐对象可导航。
• 论文证据：拐点 1–14 个测试，与 LOC/圈复杂度的 τ_B∈[−0.02,0.08]（不相关），但 97% 的采样套件被支配——前沿提取的信息价值巨大且不可替代。
• 推广场景：① 缓存/索引的（收益, 内存）权衡；② 模型压缩的（精度, 延迟）帕累托面；③ 特征工程的（特征数, 精度）；④ 文档详略的（篇幅, 任务完成率）。

附录：本文关键数字速查