优秘智能观察：近日国际自然语言处理顶会EMNLP 2026 Findings收录了AI训练优化方向新研究《CircuitLens: Reasoning Circuits as Data Selection Signals for Reinforcement Learning with Verifiable Rewards》，该技术为降低AI模型训练成本、提升推理能力提供了新的落地路径，对各规模企业推进AI化经营具备参考意义。
核心技术突破：AI训练数据筛选更适配模型特性
据该研究披露，当前可验证奖励强化学习（RLVR）训练效果高度依赖训练数据选择，传统筛选方法多以问题本身的难度、人工标注等静态维度判断数据价值，未匹配受训模型的自身特性。本次研究团队提出的电路推理评分（CRS）方法，仅需在冻结的基础模型上完成一次前向传播即可生成数据筛选信号，无需额外标注奖励标签或运行推演流程，大幅降低了数据筛选的成本。
在公开测试中，使用该方法筛选的低推理活跃度分层数据，在三类中等难度推理基准测试中，效果较随机选择数据最高提升2.9个百分点，验证了该方法的实用性。
对企业AI化转型的实用价值
该技术的落地应用，将直接降低AI模型训练与微调的成本，对不同规模企业的AI化转型均有正向价值：
- 1人公司/小微商家：无需投入大量标注成本即可获得适配自身业务场景的轻量化AI能力，降低AI工具的使用门槛；
- 成长型企业：AI内容生成、客户咨询智能响应、营销数据智能分析等常用场景的AI工具准确度可进一步提升，放大AI降本增效的价值；
- 集团型企业：私有化大模型的微调效率更高，内部知识沉淀、业务流程智能化改造的落地周期可进一步缩短，降低自研AI体系的投入成本。
优秘智能点评
AI底层技术的迭代最终要落地到企业经营的实际场景中才能产生价值。优秘智能始终聚焦AI在企业营销、经营管理场景的落地应用，基于灵枢网关技术底座打造的营销智脑、灵秘数字分身、超级数字员工等成熟产品，已适配多类AI模型优化技术，可帮助不同规模企业快速搭建适配自身需求的AI能力体系，无需从零投入复杂的模型训练研发。有相关需求的企业主可前往优秘智能官网umi6.com咨询了解。
优秘智能