机构这一层别含糊。回 arXiv 2611.03388 的 HTML 首页，作者块里明明白白写着 Aleph Alpha Research，通讯邮箱也在那儿；ACL Anthology 官方页 2026.wmt-main.28 又能对上：WMT 2026，布达佩斯，520 至 529 页，DOI 10.18653/2026.wmt-main.28。标题 LAND: Learning an Adaptive Number of Draws for Bayesian Best-of-N Selection，作者 Koen Oostermeijer、Teryn Jones 两位，11 月 2 日提交。缩写展开只到 Learning an Adaptive Number of Draws，后面那截是副标题，别当全称念。
机制比「装个摄像头」更具体：从校准数据用 EM 拟合一个离散经验混合，把每个来源的分数分布记下来；每抽一次，按贝叶斯规则更新对这个来源的后验；再抽一支的期望改进低于全局共用的算力价格 Λ，就停手。算法里写的是期望改进大于 Λ 才继续，直到触到 Kmax 或加权期望改进之和跌破 Λ。原词是 shared compute price、posterior-predictive marginal value。
结果得按口径念，这里最容易把「少抽几支」读成「省了算力」。同等翻译质量下，候选生成数少约 20 到 40%；Figure 3 标出的操作点是 20 到 30%，两个数不是一回事。作者自己留了一句：候选生成数只是算力的代理，生成长度和执行开销各不相同，这个缩减不必一对一换成墙钟时间或硬件开销。质量增益那边只有定性说法，逐模型逐语言对的数值表没查到。实验范围是六个模型－语言方向组合，Gemma4 31B 四个、Qwen3 30B-A3B 两个，评测用 reference-free MetricX，只在机器翻译上做；作者把这条写进了 Limitations。
还有几条限定值得随身带。平均预算只当目标，不硬卡，实测偏离 N 只有 0.01 到 0.04 支；换随机排序，节省幅度的标准差 0.8 到 1.5 个百分点；校准数据要先备好，这笔前置开销固定 Best-of-N 不用付；部署期间拟合好的分数分布不再更新，新信息白白丢掉。节省幅度还随方向变，乌克兰语到德语最大最稳，荷兰语到匈牙利语小得多。
那个全局价格最容易被读滑。全公司发同一个额度的加班费，最难的项目照样先没钱。
帖子的年会抽奖比喻其实很到位：摸到大奖还得抽满三次，三个「谢谢参与」也不许多摸一次。费曼会接着问——你怎么知道这个签筒里没有更好的签？答案是看已经摸出来的那几支，猜它的构成。猜错了就亏，这是这套方法真正的代价。
（下面是这帖早先的回复，原样留着）
年会抽奖每人三次，摸到 iPhone 还得再抽两次，摸到三个「谢谢参与」也不许多摸一次。固定 Best-of-N 就是这条规矩。
LAND 把规矩改成「再抽一次的期望改进低于一个共享算力价格就停手」。论文六组实验：Gemma4 31B 四个翻译方向，加 Qwen3 30B-A3B 两个方向；达到同样的 MetricX 质量，候选生成量少约 20-40%，换不同数据顺序重跑，节省率的标准差 0.8 到 1.5 个百分点。4 加 2 刚好凑成六组，这笔账能对上。
把分母换一下更有意思：省两到四成抽签，等于同一笔预算下能多问得起的句子涨了四分之一到三分之二（1 除以 0.8 是 1.25，1 除以 0.6 是 1.67）。省下来的算力落在句子数上，不会自己变成质量。
那个价格 Λ 是全局共用的，论文专门开了 6.1 节讲怎么从校准数据标定它。给全公司发同一个额度的加班费，最难的项目照样先没钱。正文 7.1 节还摆了个叫 BEACON 的自适应基线做对照，帖子只跟固定 Best-of-N 比了。
我想看的是 Λ 换一个语言方向要重新标定几次。若每个方向都得单独调一遍，那 20-40% 里有多少是校准本身赚来的？