研究人员观察到CFG的有效性可能源于计算量的增加（两次前向传播）■◆，而非单纯的条件引导。

　　阶段2：冻结主体参数，仅训练前缀嵌入和聚合权重（20Btokens，占总数据的 2%）。

　　PARSCALE通过可学习的多路径输入、动态聚合权重◆◆◆■■★、全流程并行优化◆◆，将CFG的 “双路径启发” 升级为一种通用的计算缩放范式。

　　既能提升模型能力，又不显著增加内存和时间成本，LLM第三种Scaling Law被提出了。

　　通过多层感知机（MLP）动态计算各路径输出的聚合权重，替代 CFG 的固定权重机制：若某路径输出与当前输入语义匹配度高★★，MLP 会为其分配更高权重。

　　核心改进是将CFG的固定双路径扩展为P条可学习的并行路径，每条路径通过可训练的前缀嵌入生成差异化输入。

　　将CFG的并行思想扩展到计算缩放PARSCALE对于CFG双路径的灵感迁移

　　结果显示◆■★◆★◆，在代码生成任务（HumanEval+）中PEFT 方法使Pass@1提升15%■■★■，且冻结主体参数时仍有效◆■■◆★★，证明动态调整 P 的可行性★★★★■。

　　他们将CFG的并行思想从 ★■“生成阶段的推理优化” 扩展为 “训练和推理全流程的「计算缩放」■■”。

　　前缀嵌入生成：为每个并行路径引入可训练的前缀向量（维度与输入嵌入一致），拼接在原始输入前，形成路径专属输入★■◆。KV缓存区分：在Transformer的注意力层中■★■，不同路径的键（K）和值（V）缓存相互独立◆★★，确保各路径的计算互不打扰■★★◆■，增强输出多样性。

　　其核心在于利用并行计算（两次前向传播）增强模型决策的多样性和准确性凯发体育国际娱乐，而无需增加模型参数★■■■★★。

　　CFG 通过同时运行有条件生成（输入提示词）和无条件生成（不输入提示词）两条路径，再通过加权平均融合结果，提升生成质量（如文本相关性■★◆、图像细节精准度）凯发体育国际娱乐。

　　研究团队在Qwen-2.5-3B模型上进行持续预训练和参数高效微调（PEFT），仅调整前缀和聚合权重◆■。

　　对于1.6B模型，能实现性能接近4■★◆■◆★.4B模型，内存占用仅为后者的1/22，延迟增加量为1/6。

　　P=8模型在GSM8K上提升34%，且与从头训练效果相当★■■★，证明少量数据即可激活并行路径的有效性。且该策略使训练成本降低约 98%

　　在GSM8K数学推理任务中凯发体育国际娱乐■◆◆■★★，P=8使1■■◆★★◆.8B模型性能提升34%（相对基准），显著高于参数扩展的增益。

　　CFG用2条并行路径提升性能，PARSCALE则将路径数量扩展为P条（如P=8）★■★★■◆，并通过可学习的输入变换和动态聚合，使并行计算成为一种可扩展的 “计算缩放” 范式。下图展示了PARSCALE方法。

　　由此提出假设★■★◆■★：并行计算的规模（如路径数量）可能是提升模型能力的关键因素，而非仅依赖参数规模或推理时间的串行扩展（如生成更多token）★◆◆◆。

　　并行执行：将P个差异化输入同时输入模型■◆◆，利用GPU的并行计算能力■◆■◆■■，一次性完成P路前向传播■★★，生成P个输出流★■■★★。效率优势◆■★◆：通过批量矩阵运算实现P路并行★◆◆★◆■，计算效率随P线性增长，共享模型主体参数，仅增加前缀嵌入等少量可训练参数。

　　目前LLMs的优化主要有两种思路：参数扩展（如GPT-4）和推理时间扩展（如DeepSeek-R1），但会增加内存和时间成本★■◆■◆■。