边际效用、矩阵分解与 KV 缓存：主权地质采矿推理的统一信息经济框架

该 arXiv 论文把经济学中的边际效用概念与矩阵分解、transformer 的 Key-Value 缓存建立理论联系：评分矩阵的奇异值谱被视为潜在因子的递减边际效用，投影协方差算子的特征值谱对应模型表示，缓存淘汰与低秩压缩则属于内存预算下的效用最大化。三者统一为一条分配规则：保留特征值高于约束影子价格的维度。作者将其用于地质采矿文档结构化抽取，提出多轮推理协议、逐层 TIES 合并和结合抽取质量、定位漂移与能耗的选择策略。

此前边际效用、矩阵分解与 KV 缓存分别属于经济学、推荐系统和推理工程三个语境，缺少统一的分配视角。该论文把它们归约为同一条约束下的保留规则，并给出地质采矿文档抽取的具体协议与数据，使这一抽象框架具备可检验的落地形态，而非纯概念类比。

核心机制是约束优化：在内存或算力预算下，每个维度或潜在因子的效用随规模递减，当某维度的特征值低于绑定约束的影子价格时就不值得保留。缓存淘汰、低秩压缩和潜在因子选择因此都是同一优化问题的实例，可通过选择保留哪些维度来在有限资源下最大化效用。

对研发的直接含义是：缓存压缩、模型合并与推理轮次可以统一按“效用是否高于约束代价”来决策，而不必各自调参。论文报告的单 GPU 约五分钟训练、2.62 毫秒延迟和接近零成本，说明小模型加多轮协议可用于对延迟与成本敏感的文档抽取场景，替代昂贵的专有 API 调用。

• 在文档抽取类产品中，按影子价格规则实现 KV 缓存分级保留，用低秩压缩降低推理显存与延迟。
• 将逐层 TIES 合并流程产品化为模型合并工具，并内置对均匀密度合并退化问题的检测。
• 把定位漂移与能耗纳入抽取质量评估面板，用 Conditional Value-at-Risk 约束漂移风险。
• 针对地质、矿业等垂直文档，训练百万参数级分层分类器替代通用大模型 API 调用以压低成本。

• 统一分配规则在其它领域或更大模型上是否同样成立，论文未给出证据。
• 973 篇铀矿勘探语料上的结论能否推广到其它语种和文档类型尚不明确。
• 50 篇人工审计中与专有模型 92.0% 对比的统计显著性与审计方法细节未被说明。
• 摘要末尾关于均匀密度 TIES 合并退化诊断的内容被截断，其完整结论与复现条件未知。