北冥坞（Beimingwu）技术前沿与真实案例：从 265 学件到 100×8B 打败 110B

title: “北冥坞（Beimingwu）技术前沿与真实案例：从 265 学件到 100×8B 打败 110B”
description: “承接 33 号的学件范式概念版，本篇聚焦 2024-2026 三年间北冥坞在 KDD/AAAI/ICML/NeurIPS/IJCAI 五大会议密集发表的六条技术主线（Dali/NTK-RKME/LLM 学件/异构决策树组装/LANE/Tabular Repurposed），以及水厂泵频率控制 -11.7% 能耗、100 个 8B 学件金融 14 数据集均分反超 110B 大模型等真实跑通案例。”
tags:

• 语言模型
• transformer
• chatgpt
  coverImage: /csdn-covers/34-cover.jpg
  date: 2026-07-14
  category: AI / 大模型

一、从"是什么"到"跑到哪"：34 号的定位

上一篇（第 33 号）把学件范式的"是什么、为什么、值不值得赌"讲透了。这一篇要回答的是"最新做到了什么、真实跑了多少"。触发本篇成文的时点性事件有三件：其一，2025 年 11 月 21 日中国科学院公布 2025 年新增院士名单，学件范式提出者周志华当选信息技术科学部院士，这是范式提出十年后国家最高学术共同体给出的确认；其二，2024 至 2026 三年间学件方向在 KDD、AAAI、ICML、NeurIPS、IJCAI 五大会议上密集发表至少 10 篇论文，形成从"规约设计—学件坞架构—复用组装—隐私证明"的完整闭环；其三，北冥坞 v1.0 于 2024 年 1 月正式发布后进入稳定运维期，Python 库learnware已于 2025 年 5 月 25 日迭代到 0.4.0.post1，处于"底座锁定、上层论文围绕做实验"的状态。三件事叠加，让 34 号的时机成熟——既能报道最新进展、又能盘点真实跑通的案例，同时不与 33 号的概念铺陈重复。

一句话索引：33 号是概念，34 号是数据。33 号我们讲了Learnware = Model + Specification二元组、RKME 核均值嵌入的数学骨架、北冥坞 6 模块架构和 4 类基础复用器。这一篇的叙事线不再是"范式为什么合理"，而是"范式在过去 30 个月里长成了什么样"——六条论文主线、七类实验案例、三大平台规模差距的诚实盘点。

二、Dali 与 LANE：从"任务侧对齐"到"任务+模型双侧对齐"

学件规约设计线上 2024-2026 最重要的一次结构升级来自东南大学张敏灵组。陈伟、毛俊翔、王小铮、张敏灵在 ICML 2025 发表《Learnware Specification via Dual Alignment》，将"什么是好的规约"这个开放问题重新框定为双侧对齐：一侧对齐用户任务分布，另一侧对齐模型能力分布，最终在同一潜空间中做匹配（PMLR v267, pp. 8683–8699）。传统 RKME 走的是"仅描述数据"的路径，NTK-RKME 换掉核函数以贴近深度网络，而 Dali 是第一个把"模型也要有自己的规约"作为对称主体的方法。它在 UCI 表格多任务基准上匹配精度显著高于纯 RKME 与 NTK-RKME 基线，这本身不算奇迹，真正的信号是——学件规约设计已经开始出现跨机构的独立贡献，不再只是南大 LAMDA 的单点输出。

紧接着的一步动作出现在 AAAI 2025。同一批东南大学作者联合中国移动浙江公司团队发表 LANE（Learnware Specification via Local Distinguishable Feature，AAAI 39(15):15857–15865, DOI:10.1609/aaai.v39i15.33741），把规约从"整体分布对齐"细化到"局部可判别特征"——用户任务和学件在整体分布上可能相似，但决策边界不同，LANE 让规约保留"哪些子区域是这个学件真正强的部分"这类信息，从而在选取时更精准。LANE 的意义并不止于精度指标，它有一个不容忽视的信号：学件学术工作首次能被公开追溯到具体运营商合作（中国移动浙江公司），产学联合作者的出现意味着范式已经开始被工业界主动接住。

Dali 与 LANE 合起来，可以概括为一次"从单侧到双侧、从整体到局部"的双重演进。33 号提到过 Dali 的名字与定位，但没有展开——这里可以补齐一句：规约从"数据的一维投影"升级为"任务与模型的对偶投影"，是学件走向工业级检索的必要前提。

三、NTK-RKME 与 LLM 学件：100 个 8B 如何吊打 110B

规约设计的另一条主线是核函数的换血。谭志豪、史浩宇、陈梓轩、姜远在《计算机学报》2024 年 47 卷第 6 期第 1232–1243 页发表《基于神经切线核的学件 RKME 规约》，把原始 RKME 中用的 RBF 或线性核换成 NTK（Neural Tangent Kernel）内核。核心动机是：深度网络的近似行为在 RBF 空间中会失真，NTK 恰好能在无穷宽极限下把神经网络行为线性化，把 RKME 规约与深度模型行为拉近一致。33 号已提过这条支线，34 号更愿意把它定位为"过渡桥"——在 Dali 和 LANE 出现之前，NTK-RKME 完成了把 RKME 从表格数据推向高维图像/文本数据的必要热身。

真正让"学件"这个词在 2025 年被大量转发的，是 LLM 学件的旗舰实验。谭志豪、赵子晨、史浩宇、张昕宇、谭鹏、俞扬、周志华合作的论文《Learnware of Language Models: Specialized Small Language Models as Effective and Efficient Alternatives》（arXiv:2505.13425，2025-05-19 提交）给出了一个反直觉但被数据坐实的结论：100 个 8B 参数量的领域小模型学件，可以在多个专业域上打败 110B 的通用大模型。核心装配是：以 Llama3.1-8B 与 Qwen2.5-7B 作为基座，训练 100 个金融+医疗+数学领域的小模型学件；每个学件封装一个小于 1M 参数的 LoRA 权重向量；规约层用 Qwen2.5-0.5B 生成语义规约，供任务侧选取组合。

金融域的 14 数据集 Table A8 是这篇论文的招牌结果。逐项数字如下：Australian 45.68→56.83，LendingClub 84.60→92.07，FiQA-SA 74.90→76.38，FPB 82.17→84.25，German 66.00→67.06，Headlines F1 92.80→95.61，NER 49.29→52.79，ACL18 49.73→52.82，BigData22 49.76→52.40，CIKM18 49.46→55.99，FinArg-ARC 62.90→64.31，FinArg-ACC 54.41→58.08，MA 75.25→79.81，MultiFin 59.80→63.46——14 项均分从 63.87 拉到 66.60，涨幅 2.73。同表报告 Learnware 组合方案在全域上超越 Qwen1.5-110B / Qwen2.5-72B / Llama3.1-70B-Instruct 三个大规模单体基线至少 14 分。这里的对比不是"小模型能不能做到大模型的水平"，而是"合适的规约驱动组合能不能比单体大模型更贴合任务"。医疗侧的对照更直白：论文报告在 Open Medical LLM Leaderboard 上超越 Flan-PaLM-540B 排名进入第 7——组合 8B 小模型直接击败大型闭源模型的经典对照。

需要补一句诚实的话。数学域的对比就没有金融那样漂亮。Qwen2.5-7B 基线 51.68，Learnware 组合 52.62，Best-single 学件 52.08，Oracle 上界 54.89，而 Qwen1.5-110B 达 57.99——当任务命中大模型天生优势场景（数学推理）时，学件组合能带来的增量有限。这个数字必须写进正文，否则把 LLM 学件包装成"银弹"会砸掉整个范式的可信度。真正的技术判断是：学件是"选择器"，不是"生成器"，坞里有什么样的模型，决定了它能覆盖到什么样的任务边界。

从范式演进的角度看，LLM 学件的最大意义在于它是LoRA-as-Learnware 的第一个规模化落地。LoRA（Hu et al. ICLR 2022, arXiv:2106.09685）提供"如何贴合任务"，学件规约提供"选哪些贴合"——两条正交的 PEFT 路径终于合流。34 号可以用一句话点出：LoRA 是给定选择后的精调，学件是精调之上的选择——两者不冲突，恰恰是完整 PEFT 栈的两端。

四、异构决策树组装：把"特征列不重合"这块骨头啃下去

学件方向从 KDD’24 就挂着一个老问题：不同学件的特征空间不重合、甚至只有部分列共享时怎么组装？谭鹏、周志华在《计算机研究与发展》2026 年 63 卷第 5 期 1249–1260 页发表《基于决策树的异构特征空间学件组装方法》（DOI:10.7544/issn1000-1239.202550460），给出了目前为止最清晰的一个答案：不是把决策树看成端到端黑盒，而是逐叶节点分裂条件级别地融合。稿件收稿 2025-06-09，录用 2026-01-07，正式刊出 2026-05-01，接受国家自然科学基金 62250069 号基础科学中心项目资助，并在 CCML 2025 拿到最佳学生论文奖。

这条工作在工程落地上的意义比论文标题还要直接。医疗领域的 MIMIC 26 张表 / OMOP CDM 那种"每张表都是不同视图"的实际数据网格，就是典型的异构特征空间——A 医院的电子病历里有 480 个字段，B 医院可能只有其中的 220 个，C 医院还有额外 60 个 A、B 都没有的科室专属指标。传统的模型复用方案在这种场景下几乎是死路：要么强行对齐字段丢掉信息，要么每家医院单独训一个模型。决策树组装的路径是在树结构级别做局部对齐——共享列走共同的分裂条件，专属列走本地叶节点，最终在预测阶段做加权融合。这不是"对齐特征"，是"绕过对齐"。

同一组作者的姊妹篇《Tabular Learnwares Can Be Repurposed》发表在 AAAI 2026（40(30):25778–25786, DOI:10.1609/aaai.v40i30.39776），核心贡献是把在旧任务上训练的表格学件转用到新任务、新特征结构分布上，而不是重新训练。两篇论文合起来构成了 2024-2026 表格学件方向的"判别性规约 + 可复用组装"最新面貌。34 号中把这条工作单独抽一节强调，理由有三：异构特征空间不是概念口号，它对应医疗、金融风控这类"每家客户数据字段都不完全一致"的真实工程痛点；决策树的可解释性带来天然优势——落到医疗领域比黑盒神经网络更容易通过合规审查；决策树叶节点的分裂条件本身就是一种"结构化规约"，能与 Dali/LANE 的规约层无缝对接。

五、真实跑通的实验矩阵：从水厂泵频到 CIFAR、新闻组

技术前沿讲完，回到应用案例。北冥坞的案例分四类：官方 benchmark 实验、工业界四要素案例、公共评测榜单、教育科研使用。逐一列一遍。

四要素最完整的工业界案例来自 KDD’24 论文。客户是某水厂（论文中未披露具体名称），场景是水泵频率控制模型的更新与复用，数据是 10 个历史学件（对应不同时期的泵运行状态），效果指标是每 1000 吨水能耗从 35.1 kWh 降至 31.0 kWh，下降 11.7%，同时泵出水量保持不变。合作方是 Polixir 团队（南京大学孵化，专注决策智能）。这是本次调研中唯一一条"客户 / 场景 / 数据规模 / 效果指标"四要素齐全的工业界故事——其他医疗、金融、政务、司法领域的案例都存在客户名称或部署时长未公开披露的问题，这一点在文末的局限一节会显式说明。

KDD’24 表格 265 学件基准用 Kaggle 三个销售预测数据集 Corporacion、PFS、M5 构造 265 个学件，覆盖 5 种特征空间 + 2 种标签空间的异构组合。这是学件方向到目前为止规模最大的公开可验证实验——也是相对 HuggingFace / ModelScope "只搜关键词、不关心特征结构"最直观的差异化。异构表格查搜必须依赖规约，无法用关键词代偿。Ensemble 组合结果全面超越单个最优学件，说明规约驱动的"从坞中直接选取 + 组合"比"手动挑一个模型"要稳定得多。

KDD’24 图像 CIFAR-10 实验：50 个学件，每个训练在 4 类不平衡 12000 样本上（比例 0.4:0.4:0.1:0.1），100 个用户任务各 3000 样本、6 类分布（0.3:0.3:0.1:0.1:0.1:0.1），评估用 1-Acc loss（越低越好）。结果矩阵：Mean 基线 0.655 → Best-in-dock 单最优学件 0.304 → JobSelector（分区选取）0.406 → AverageEnsemble 0.310 → Top-1 学件搜索 0.406。Top-1 单学件搜索已经把 1-Acc loss 从 0.655 拉到 0.406，说明规约驱动的"从坞中直接选取"哪怕不组合都已明显好过随便挑；而 Ensemble 组合能进一步拉齐"最优单学件"性能。

KDD’24 文本 20-newsgroup 实验：50 学件，特征 tf-idf + 朴素贝叶斯分类器。结果矩阵：Mean 0.493 / 单最优 0.141 / Top-1 搜索 0.154 / JobSelector 0.155 / AverageEnsemble 0.138。文本域相较图像域的差距更小（Ensemble 与 Best-in-dock 相差仅 0.003），说明当学件间高度同构（都是 tf-idf + NB）时组合空间小，规约的价值主要在"精准搜索"而非"组合"——这是一条容易被忽略的边界：学件的价值在"异构"，不在"同构"。

四类实验一张表看清：

表中图像 / 文本单位为 1-Acc loss，数据来自 KDD’24 pp. 5773–5782。

公共评测榜单层面，前面已经拆过 LLM 学件的三条独立评测线：金融 14 数据集均分 63.87→66.60、医疗 Open Medical LLM Leaderboard 排名第 7 超 Flan-PaLM-540B、数学 GSM8K/MATH 上 Learnware 组合方案 52.62 优于 Best-single 52.08 但不敌 Qwen1.5-110B 57.99——跨域覆盖度最广的一组学术评测，比 KDD’24 局限于工厂场景要宽得多。

教育科研使用规模：KDD’24 论文披露截至 2024 年 1 月，北冥坞已被 500+ 研究者、来自 150+ 高校用于学件相关研究。截至 2026 年 7 月，官网、docs 与南大 LAMDA 页面均未找到该数字的最新更新——这是一条 stale 数据，34 号读者需要知道它的时点。国际影响与荣誉层面，2025-11-21 周志华当选中国科学院信息技术科学部院士，2025-03-25 澳门大学做 “Learnware Paradigm” 主题讲座，澳门科技大学 2025 年授予荣誉博士学位，2024-12 MEET 2025 智能未来大会 keynote《学件和异构大模型》——国内顶级学术承认、港澳国际讲座、顶会 Trustee 席位三层递进已经完整。

六、生态诚实盘点：112 star vs 200 万模型

写到这里必须做一次诚实盘点。GitHub 双仓库实时数据（2026-07-13 快照）：Learnware-LAMDA/Learnware 112 stars / 4 forks，主语言 Python，Apache-2.0；Learnware-LAMDA/Beimingwu 前端仓库 124 stars / 4 forks，主语言 Vue，Apache-2.0。对比参照：HuggingFace transformers 主库长期在数十万 star 量级，Ray/Serve 主库亦在 3 万+；北冥坞两仓库的百级别 star 客观说明它当前仍是学术原型 + 早期工业验证阶段，生态热度与主流 MLOps 项目差两个数量级。

learnwarePython 包最新版本0.4.0.post1，2025-05-25 发布，历史迭代节奏约半年一次，与顶会论文投稿节奏基本吻合。这个节奏意味着"底座库稳定、上层论文围绕做实验"是当前状态，而不是"生态平台快速迭代"。放到三大平台规模对比里更直观：

三者差异至少是三到四个数量级。但北冥坞相对 HuggingFace / ModelScope 的结构性差异化不在规模，而在检索方式：前两者要求用户自己知道要什么，后者让用户带任务而来。用一个略夸张但意思明确的对比：HuggingFace 是"仓库"，ModelScope 是"市场"，北冥坞是"零件商城 + 装配线"。34 号的读者会自己去 GitHub 上确认 star 数据，与其粉饰不如把定位说清楚——学件是"选择器 + 组合器"，规模远不是它当前阶段的核心 KPI。

除了规模差，还有四条不能回避的局限。其一，除水厂泵频率控制外，医疗、金融、政务、司法领域的真实客户级案例的四要素（客户名称、数据规模、部署时长、效果指标）均未公开披露；arXiv:2505.13425 的金融 / 医疗结果都是公开 benchmark 而非"客户级落地"。其二，学件规约在 100 个 8B 学件坞上跑通了，但如果学件坞规模扩大到 1000 个 70B 学件，规约生成 + 匹配 + LoRA 组合的推理成本会如何？官方文档、arXiv 论文均未披露。其三，KServe、Ray Serve、KubeFlow 等主流 MLOps 平台是否有原生支持 Learnware 协议？截至 2026 年 7 月未查询到公开集成工具链。其四，北冥坞 Apache-2.0 完全开源，NSFC 基金支持不能长期免费维护一个云端服务——"学件坞是免费基础设施"与"商业变现"之间的路径是下一步不可回避的问题。

这四条局限不是软文里的"美中不足"，而是真正决定学件范式能否从学术原型走向工业级基础设施的关键变量。34 号如实呈现，反而比"包装成杀手锏"更能站得住脚。

七、四范式对标：LoRA、联邦学习、Model Zoo、Model Spider

学件不是孤军作战。放到主流的模型复用范式里做四条参照线，位置会清晰很多。

Learnware vs LoRA / Adapter。LoRA 和 Adapter 都是在同一个基座模型上加轻量参数模块，把参数增量拉到几百 K 到几 M 量级——回答的是"给定基座和目标任务，怎么最少动参数就把任务学好"。学件不同：学件坞里可以有多个基座的多个模型（LLM 学件 100 个 8B 学件混合了 Llama3.1-8B 与 Qwen2.5-7B 基座），规约回答的是"面对当前任务，坞里哪些模型最该被选出来"。两者正交且互补——LLM 学件的实际做法就是每个学件封装一个 <1M 的 LoRA 参数向量，规约层做选取，这就是 LoRA-as-Learnware 的自然合流。

Learnware vs 联邦学习。联邦学习（FedAvg, McMahan 2017 起）解决"多方数据不出本地共同训练一个中心模型"的问题；学件解决"多方模型公开、规约无泄漏、按需组合"。二者的共同点是数据都不离开原持有方；差异点截然不同：联邦学习是训练态、多轮通信、中心方聚合梯度、隐私对象是数据本身（梯度可能被反演）；学件是推理态、异步组装、中心方维护学件坞、隐私对象是规约（RKME 已在 TKDE 上给出无源数据可恢复的理论保证）。对读者的现实意义：如果场景已经有一批可用模型，学件是显然更轻的选择；反之，如果多方还没训练出可用模型只有数据可分享，联邦学习是主路径——两者不该被误当作直接替代。

Learnware vs Model Zoo。HuggingFace 与 ModelScope 的模型规模数据前面已经列过。北冥坞相对它们的结构性差异化不在规模，而在检索方式、组合能力、异构特征支持、隐私证明四个维度：前两者依赖关键词 + tag，没有原生组合能力，也无法处理异构特征空间；北冥坞四者都有。当场景对"精准选择 + 多模型协作 + 隐私证明"有硬需求时（医疗、金融、政务），学件的架构优势才会被凸显。

Learnware vs Model Spider（NeurIPS 2023）。NeurIPS 2023 上 Yi-Kai Zhang 等人发表 Model Spider（作者团队与南大 LAMDA 相邻但不同，Han-Jia Ye 组），方法是嵌入式召回 + 学习排序，从 Model Zoo 中挑合适预训练模型。它与北冥坞的差异在于规约层的抽象程度：Model Spider 依赖内嵌向量代表（本质是学习一个"任务-模型"匹配函数），Beimingwu 依赖显式规约（RKME/NTK/Dali/LANE）——后者可解释性更强，且理论上支持"规约无源数据可反演"的隐私证明。把 Model Spider 作为学术竞品参照列出，避免把北冥坞塑造成"全球唯一"路线，也是 34 号的一份诚实。

四条参照线合起来一张表：

八、写给要用它的人：从学件到 API 广场的一条实用主义路径

技术盘点做完，落回工程实用主义。33 号在结尾我们讲过一句话：同一家公司在同一个产品里同时接入两条路径——通用能力走 API 模型广场，敏感/专业场景在合规许可下走学件本地部署。这一篇的六条主线数据、七类实验案例，其实都在为这句话背书。

企业侧的落地判断可以直接抄成三条：其一，如果你面对的是通用意图任务（客服问答、文档摘要、代码补全），先走 API 广场，Token 计费即用即付，学件坞在这个场景对你没有增量价值。其二，如果你面对的是数据敏感、特征异构、多方模型协作的深水区（医疗、金融风控、工业质检、政务合规），学件是当前唯一能同时把"模型选择、组合、异构对齐、隐私证明"四件事一起做的开源基础设施——即便它现在只有 112 star，也值得单独立项验证。其三，两条路径可以在同一个产品里并行，网关层用 OpenAI 兼容协议统一 API 广场入口，规约层单独暴露给企业内部的学件坞——这是可预见的未来两三年主流形态。

老沙的小程序点点词元是我最近继续观察到的、把 API 广场路径做得比较扎实的国内实践。它把国内外主流大模型统一收拢到一个模型广场入口，同时实现 OpenAI 兼容协议与 Anthropic 兼容协议——开发者原本给 OpenAI SDK 写的代码、给 Claude SDK 写的代码，可以几乎零改动切到点点词元的入口。这种"协议兼容 + 统一入口"是 API 模型广场的核心工程动作。相关的入口活动页可以直接访问 activity.ldzktoken.com。学件市场未来在标准化协议层需要参考的，正是这种"入口收敛、协议兼容、账单统一"的姿势。

规约驱动的模型广场路由，是学件范式和 API 广场之间最有可能的融合形态——用户不再手工指定model="claude-3.5-sonnet"，而是提交任务描述（语义规约）+ 少量脱敏样本（统计规约），网关自身在规约空间里匹配最合适的模型或模型组合，甚至可以在通用大模型（走 API）和专用小模型（走学件本地部署）之间自动选路。这种"规约驱动路由"目前还没有成熟的商业实现，但学件的规约理论 + 模型广场的协议标准，把最难的两块拼图都摆到了桌面上，剩下的只是工程整合的时间问题。

九、总结与展望：下一轮 12 个月

回到本篇文章的主线：33 号讲了学件范式的骨架，34 号讲了它在 30 个月里长成了什么样。Dali 与 LANE 完成了从"任务侧对齐"到"任务+模型双侧对齐"的范式跃迁，NTK-RKME 完成了 RBF 到 NTK 的核函数换血，LLM 学件用 100 个 8B 小模型在金融 14 数据集上把均分从 63.87 拉到 66.60、超越 110B 单体基线至少 14 分，异构决策树组装拿下 CCML 2025 最佳学生论文奖并把"特征列不重合"这块医疗领域最难的骨头啃下去，KDD’24 水厂泵频率控制案例给出了 -11.7% 能耗的四要素完整落地。

下一轮 12 个月，规约设计的重点会从"数据 + 模型双侧对齐"进一步转向"规约本身的隐私风险"与"面向 LLM Agent 的可插拔规约"。谭志豪 LAMDA 主页已经公开了 3 篇 2026 年待发表论文标题——ICLR 2026 的 PAVE 规约、ICML 2026 的 Inversion Risks Framework、IJCAI 2026 的 PAVE Privacy，以及 ICLR 2026 Workshop 的《Constructive Specification for Plug-and-Play Learnware Agents》。四条工作合起来，指向的是**“规约作为一等公民与 LLM Agent 生态原生对接”**的下一步。

学件的价值不是"取代大模型"，而是"给大模型时代补上’如何选、如何组合、如何合规’这三张缺失的拼图"。112 star 与 200 万模型的数量级差距，是学件当前的位置；从 33 号到 34 号讲清楚的六条主线、七类案例、三大平台对比，是它下一步的桩基。权重是资产，规约是账本，选择器决定资产的复用价值——这是本篇留给读者的最后一句话。收工。