学术早慧方面，陆巨大准00后创业者，高中时就自学收场大学数学，本科就读于帝国理工学院算计机系，博士就读于香港中语大学，曾在微软预测验AI模子。2023年就运转探索标记化的空间智能以及宇宙模子——这条技艺阶梯其后被李飞飞所考据。2023年首创了AI的去稠浊化标记检测与评估赛说念——被北大李戈敦厚团队follow。2023年首创了多智能体的交互进化，并获取干系发明专利。即是说在很早期的阶段就踩中了其后的多个风口以及主流场所。

学术着力方面，他入学6个月即达到博士毕业条件，在这时代，他完成了一篇后续得到ACL系列Best Paper Awards的大奖，这既是历史上第一次中国机构颓落得回此奖，同期亦然一篇莫得任何公司配景相沿的著作。登上领奖台的作家团队独一两个东说念主，陆巨大和他的博导林伟教授，而身为一作的陆巨大在这个时分只是接纳了6个月的科研测验。同期陆巨大亦然少数博士就读时代就能任职ACL顶会领域主席的博士。

毁灭传统学术阶梯方面，陆巨大在论文以及发明专利、奖项方面是拿到了手软。之是以顽强采用创业这条阶梯莫得采用传统的学术教职，是因为陆巨大的逸想是能够创造一个像谷歌或者脸书一样的业界和学界交叉的公司。

有这么一种“模子哲学”：明明是吞并个Prompt，只是换一种说法，模子的回复可能就天渊之别。

深挖这个表象，是一个道理道理、灵验、但“反直观”的问题：要是语义不变，只是把一句话改写成更常见、更高频的“大口语”，模子的推理以及测验进展会不会更好？

最近，来自脸谱心智与香港中语大学的科研东说念主员围绕这个问题张开了系统商酌，并提倡了一项中稿 ACL 2026 Main的新职责。他们提倡了一个极具记挂点的新主见：Adam’s Law，aka Textual Frequency Law（文本频率定律）。

论文用表面推导以及模子实验向咱们展示了：当不同表述抒发吞并个道理时，语言模子时时更偏好“高频文本”。而这种偏好不仅出咫尺你敲下 Prompt 的那一刻，以致在模子测验阶段也雷同适用。

用大口语说，好多时候决定模子是否智谋的，不单是“你问了啥”，还包括“你是若何说的”。

这启发了什么？今天咱们业内谈起模子优化，关键词经久是：更强更大的基座、更长的推理念念维链、以及腾贵的高质料测验数据，或者是极其复杂的alignment算法。但Adam's Law揭示了文本频率关于模子测验以及推理的艰难性。

商酌标明，高频抒发因为在测验语料中出现的次数充足多，大模子对它们有着自然的“肌肉记挂”。因此，在靠近这些模子自己闇练的文句时，模子在领略、推理和生成时更容易零百“干涉情景”。

Who is Adam？

Adam’s Law 主张的铁律是：咱们应该优先使用句子级频率更高的expression，不管是作念inference一经training。

商酌团队不甘让论断停留在“哎哟，好像如实是这么”的empirical observation。

他们先是提供了精致的theoratical proof，也为其搭建了一个竣工的framework，由三板斧构成：

第一把斧 TFL（Adam’s Law）： 提倡Textual Frequency Law：“高频文本应被优先采用”；

图：极其硬核的部分推导数学辅佐

第二把斧 TFD（Textual Frequency Distillation）： 既然算不准，那就让模子我方启齿。用宗旨模子生成的文本，去反向修正frequency estimation；

第三把斧 CTFT（Curriculum Textual Frequency Training）： 把文本频率引入课程学习，给模子发一册依次渐进的讲义。

用大口语来说，他们的操作经由是这么的： 先给一句话算算“八字”（估算常见度），把同义句里最接地气、最frequent的那句挑出来喂给模子；要是怕算得不准，就让模子我方作念几说念“故事续写”题，望望它平时潜相识里爱用什么词，借此来修正频率估算；终末，在测验时，不光是要挑数据频率，何况测验礼貌都给你安排得清显露爽。

若何才算“常见”？精巧的工程解法

这里有一个大坑：像是GLM这种主流大模子，预测验数据全是个黑箱，连它吃过几碗干饭都不知说念，你若何算它对哪句话更眼熟？无须牵记不紧要。

作家给了个极其精巧且工程化的解：咱不纠结模子见过啥，径直借助公开的强大corpora和词频资源去估算就行。 在Adam’s Law中，句子的频率被访佛为词频的组合，径直攒出一个“句子级频率策画”。

这意味着，竖立东说念主员所有不需要破解闭源模子的测验集，就能径直用这套频率估算大法。极其接地气，绕开了黑箱逼迫，把哲学鞭策到了可考据、可复现的工程层面。

固然，仅靠公开词频算计省略率是有罪恶的。Adam打出了第二把斧 TFD：让宗旨模子对给定文本作念“story completion续写补全”。这超越于在审问模子：“别装了，bbin露馅你的真实用语俗例吧！”用模子我方吐出来的语料蒸馏，再去扶持修正原始频率，这么就无穷贴近了模子里面着实闇练的口语抒发漫衍。

别光顾着改 Prompt推理，测验的王法也变了

Adam's Law最绝的少量，是莫得把“文本频率”局限在一个讨巧的 Prompt 推理手段上，而是径直杀到了更硬核的模子测验范式里。

在指示（Inference）阶段，逻辑相等顺滑：同通盘数学题，要是把题目里的萧索词换成大口语的高频抒发，模子随即就算得更准。

但在测验（Training）阶段，Adam抛出了一个灵魂拷问：要是雇主给的算力预算有限，测验数据该若何挑若何用？Adam说：高频文本可能比低频文本更值得优先保留！

何况 CTFT 以致编削了喂数据的姿势。作家发现，低频抒发时时语境更疏淡、结构更复杂。就像咱们上语文课一样，先让他死磕难解的古文（更低频），再让他看闲居的口语文（更高频），最终的料理效果，尽然比未必乱喂数据还要好。

实验收尾：白嫖的性能升迁

为了拿数据话语，作家死磕出了一个专诚的数据集 TFPD（Textual Frequency Paired Dataset），涵盖了数学推理、机器翻译、知识推理和智能体器具调用等多个场景。

为了保证严谨，他们先用模子生成一批“文绉绉、极其稀有”的改写，和一批“大口语、极其常见”的改写，再用钱请东说念主工标注员挨个查验，确保改写后道理没变，终末凑成了“高频 vs 低频”的成对样本。

收尾极其直不雅。

在数学推理、Agent任务、以及知识解析上，只是只是把Prompt换成更高频的抒发，不换模子、不加测验数据、不增多inference时长，inference效果显赫增多；在机器翻译上，Adam's Law雷同牢不可破：商酌东说念主员衔接测了 100 个语言翻译场所：在测验实验里，三板斧CTFT 的威力雷同判辨。在 Pangasinan（一种菲律宾语支）的机器翻译任务中，使用了 CTFT 后， BLEU 分数狂涨29.96%。

图：Adam's Law在上百种语言上的收尾可视化，最外圈为Adam's Law的收尾。

更颠覆领会的是：有时候用高频改写数据去测验，效果以致比径直用原汁原味的基准training set还要好！ 这径直挑战了业内“原始数据自然最优”的传统偏见。

Adam's Law，给行业带来了什么？

Adam’s Law 把一种苍茫的“直观”，打形成了一套可界说、可估算、可考据、可部署、绕过黑盒的形态学定律，通过数学推导以及实验的形态评释了其可靠性。

对搞期骗（作念 Agent、写 Prompt）的打工东说念主： 别再给Prompt猖獗加毫无必要的定语、料理和高端词汇了。先把Prompt理顺，改得更当然、更高频，这可能是一种险些莫得老本、告成极快的“魔法”。

对搞测验（Pre-training、SFT、蒸馏、作念数据清洗）的真金不怕火丹师： 这是全新的Data Engineering措置念念路。以后洗数据作念数据，除了看数据的质料、长度、难度，咱还得给文本频率拉个画像。GPUTPU吃紧时，“留什么数据”不单看标注对分辨，咱还得望望这句话是不是充足“大口语”。

对评测（Benchmark）的商酌者： 要是通盘题，换个冷门说法模子就不可，那它是简直有了“推理才智”，一经只是靠着“刷题”，记取了特定表述的闇练度？这给异日构建更抗造的评测榜单提了个醒。

Conclusions

Adam’s Law 像一面镜子，照出了 LLM 的试验：模子不仅在“领略宇宙”，它更是在“记取东说念主类语言宇宙里，什么东西最常出现”，干系词这是双向的，LLM在看宇宙的时候，宇宙也在看LLM。

当通盘 AI 圈都在为了更长的 RL 推理、更强大的参数目、更玄乎的对都算法无脑卷生卷死时，这篇职责轻巧地给出了一条无比朴素的痕迹：

让模子变智谋的捷径，不是把话说得更文静，而是把话说得更大口语少量。这在推理时灵验，也在测验时灵验

论文信息：

论文标题： Adam’s Law: Textual Frequency Law on Large Language Models

作家： Hongyuan Adam Lu波音体育(bbinSports)， Z.L.， Victor Wei， Zefan Zhang， Zhao Hong， Qiqi Xiang， Bowen Cao， Wai Lam

机构： FaceMind Corporation、The Chinese University of Hong Kong

一作先容：

Hongyuan Adam Lu，FaceMind CEO，CUHK AI PhD商酌课题：LLM预测验、宇宙模子、端侧模子测验；帝国理工CS本硕；爱丁堡大学AI硕士；ACL系顶会Outstanding Paper Award一作；曾于MSRA（北京）任预测验一职，研发了宇宙上第一个支抓200种语言的LLM；旗舰会议ACL 2025、NAACL 2025 Area Chair，创办了AI软件：叠叠社，深受二次元宠爱，是一款被投资东说念主称之为“米哈游的蔡浩宇都要学习的AI产物”；