Specialization Compounds（专门化会复利）
定义
Specialization Compounds（专门化会复利） 指模型对任务分布的贴近程度可以沿层级逐步累积：通用模型 → 通用领域专家 → 具体业务域专家。后续相同训练流程的收益，取决于模型开始训练时离目标任务有多近。
关键数据点
- 文章把专门化分成至少三层：vanilla generalist、general-domain specialist、domain-specific specialist。
- 7B 比较中，从通用 Qwen2.5-VL-7B-Instruct 起步的最佳微调模型达到 0.906 与 1.01% degeneration；从已具备 OCR 专门化的 olmOCR-2-7B 起步达到 0.927 与 0.40% degeneration。
- 3B 比较中，从通用 Qwen2.5-VL-3B 起步达到 0.793 与 1.41% degeneration；从 OCR 专门化 Nanonets-OCR2-3B 起步达到 0.921 与 0.20% degeneration。
- 文章据此判断：同样的数据和训练流程不会从零创造对齐，而是放大已有训练历史中的任务贴近度。
前提与局限性
- 文章展示的是两组 OCR 模型对比，不足以单独证明所有企业任务都存在同样层级收益。
- “复利”成立需要后续训练数据、评测指标和真实部署任务方向一致；如果优化目标偏离业务任务，专门化也会复利错误。
- 专门化越深，通用性可能越弱。企业需要明确任务边界，而不是把专门化模型当成新的通用模型。
- 该概念依赖可持续的数据、评测和运维能力；一次性 fine-tuning 不等于形成组织能力。
企业专门化飞轮
专门化复利在企业内部可以形成飞轮，但需要三个条件同时成立：
- 数据回流：每次部署的真实失败案例和边界条件被收集回来，作为下一轮微调的训练数据。
- 评测产权：企业的 评测集 由自己拥有和持续维护，而不是留在供应商手中。评测集是专门化复利的”账本”——没有它，就无法判断每层专门化是否真的在改进真实任务。
- 任务边界清晰：专门化模型只对特定任务有效。如果企业试图把专门化模型用于通用任务，复利效应会反转——专门化越深，在边界外的表现可能越差。
当这三个条件成立时，部署产品飞轮 就变成了内部版的专门化复利引擎。GitHub Agentic Workflows 的 token 效率优化案例也印证了这一点：通过针对性的 prompt 缓存和上下文管理优化，在特定任务上实现了显著的效率提升——这本质上是一种”不需要微调的专门化”。
与采购和组织决策的连接
专门化复利改变了企业 AI 采购的核心问题：
- 旧问题是”哪个模型最大最强”。
- 新问题是”哪个模型离我的任务最近”。
这意味着 分层 sourcing 变成采购标准：高频、可验证、数据敏感的任务适合用专门化小模型本地部署（降低推理成本、增强 硬件主权）；开放式推理和创意任务仍需要大模型。
专门化复利还意味着 可验证性 成为任务分类的关键变量：只有可验证的任务才能通过评测暴露专门化收益，不可验证的任务不能直接套用同一采购逻辑。
关联概念
- Distributional-Alignment — 专门化复利的底层变量是训练历史与任务分布的距离缩短。
- Specialized-Small-Models — 小模型能否胜出，取决于它是否已经沿专门化层级走得足够近。
- Evaluation-Set — 评测集负责判断每一层专门化是否真的改进真实任务，而不是只优化公开指标。
- Deployment-Product-Flywheel — 企业把每次部署的数据和失败模式回流，才可能形成模型专门化复利。
- Hardware-Sovereignty — 专门化小模型降低推理成本，也降低本地部署门槛。
- Layered-AI-Sourcing — 采购从”买最大模型”转向”按任务组合模型来源”。
- Verifiability — 只有可验证任务才能通过评测暴露专门化收益。