UC Riverside 团队在 Hugging Face 博客发布的 Atom2.7m 是一个只有 2.74M 参数的因果语言模型,却在 ArithMark2.0 基准上拿到 69.24% 的准确率,直接把参数规模是其 568 倍的 GPT-2 XL(1.56B)压在 29.92% 的水平线上。它的核心思想是把算术失败重新归因到表征层面,而不是参数不够。BPE 类的自然语言分词器在面对数字时会把 12345 切成 123+45、12+345、1+2+3+4+5 等不规则片段,破坏了位值与操作数角色;通用位置编码描述的是 token 在序列里的位置,却不告诉模型这个 7 是十位还是个位。Atom2.7m 把数字跨度、位值、操作数身份显式暴露给模型,辅以 Abacus 风格的位置嵌入,这正是 2024 年 Position Coupling 等论文验证过能让加法从训练长度 30 位泛化到 200 位的同一类思路。文章同时指出,140M 的 MobileLLM-R1-base 也在 ArithMark2.0 上大幅优于 GPT-2 XL,进一步佐证小模型靠结构就能赢大模型靠记忆。它给当下的启示很直接:在评估 LLM 的算术与逻辑结构化能力时,参数量早已不是首要变量,tokenizer 设计、数值表征和位置编码才是新的胜负手。