斯坦福与 NVIDIA 开源 CLM-8B 决策模型，比 Jev 快至多 9 倍

完整中文导读

斯坦福与 NVIDIA 开源 CLM-8B，这是一个基于 Qwen3-8B、在冻结主干上训练两个轻量投影头的对比语言模型（CLM），不生成文本，而是接收当前状态和候选动作并输出各选项概率，支持二选一、多选、有序打分和智能体验证。

中文整理

作者 / 来源：CuteGuy☣️ (@cutetoxicguy) · 原文时间：2026年10月22日 15:21（北京时间）

原作者信息要点

作者称斯坦福与 NVIDIA 开源了 CLM-8B，一个面向 AI 智能体决策的模型，不生成文字，决策速度比 Jev 快至多 9 倍。

CLM 的用法是接收当前情境和一组候选动作，为每个选项分配概率，而非生成解释。作者列出的适用场景包括二元决策（真/假、是/否、批准/拒绝）、多选决策、有序评分，以及智能体验证（在编码智能体生成的多个方案中选出最有希望的一个）。

架构方面，作者称其基于 Qwen3-8B，在冻结的主干之上训练两个轻量投影头，一个编码当前状态，另一个编码候选动作，模型比较两者的向量表示并把相似度分数转换为概率。作者还提到动作缓存：若智能体反复在同一组动作间选择，动作嵌入可只计算一次并复用，从而省去重复计算。

作者转述研究者报告的基准结果：在计算机使用、游戏和工具调用任务上，延迟比 Jev 低至多 9 倍，性能总体有竞争力；在约 1000 个已缓存候选动作间选择时快至多 13 倍；DeepSWE 上经微调的 CLM 通过在多份生成方案中选择，把编码任务成功率从 73.7% 提升到 81.6%；Terminal-Bench 2.1 上用同样的验证方式把成功率从 84.0% 提升到 87.6%。作者同时给出对照：在研究者的验证器评测中，Jev 在 DeepSWE 上为 71.1%，在 Terminal-Bench 2.1 上为 83.1%。

作者自行提示了结果局限：验证器对比只用了 38 个和 30 个任务的小规模留出集，且 CLM 接受了任务特定微调，因此不应把这些结果解读为普遍优越性的确证。

发布信息：模型以 Apache 2.0 许可提供，公开权重、推理代码和微调工具；运行参考实现需要 Linux、NVIDIA GPU，以及通过 vLLM 服务的 Qwen3-8B。作者给出的链接包括一个 Notion 研究文档页、Hugging Face 上的 Contrastive-LM 组织页，以及 GitHub 上的 Contrastive-LM/CLM 仓库。

本站整理与观察

以下为本站推论，非原作者陈述。该帖的核心主张可拆为两类：一是模型与方法的存在性及许可、依赖等技术事实，二是速度与成功率数字。后者均标注为研究者自行报告，帖子未提供独立复现，且作者已承认验证器对比样本量小、CLM 经过任务特定微调，因此 9 倍、13 倍等加速数字与成功率提升应视为待第三方验证的声明。

从描述看，CLM 的定位不是替代通用大模型，而是在智能体已知候选动作集合时承担“打分选择”环节，其速度优势部分来自动作缓存这一工程手段，而非纯粹的模型能力差异；这意味着加速幅度可能高度依赖任务中候选动作的重复程度。

帖子未说明 Jev 的具体版本、参数量或运行配置，也未给出延迟测量的硬件与批次条件，跨模型速度对比的可比性因此无法从材料中判断。

材料仅为一条社交媒体帖子，所有基准数字、架构细节与发布信息均转述自作者，未附原始论文或评测配置；Jev 的版本与测试环境、延迟测量方法、38 与 30 个任务留出集的具体构成均未说明，无法独立核实。本站观察部分为基于文本的推论，不构成对模型性能的验证。