PulseAugur
实时 09:26:05
English(EN) CoBa: Cost-Effective Test-Time Scaling via Compute-Balanced Routing

新的CoBa策略可优化AI测试时扩展以实现成本效益

研究人员开发了CoBa,这是一种新颖的计算均衡路由策略,旨在优化AI系统的测试时扩展。CoBa将推理视为一个计算分配问题,决定是将下一个计算单元投入生成、验证还是停止。该方法包括获取一小组候选,广泛应用成本效益高的验证,然后将不确定或高价值的候选路由进行更严格的验证。在多个基准数据集上的评估表明,与其它方法相比,CoBa在实现具有竞争力或相当的准确性的同时,显著减少了参数加权令牌的使用量。 AI

影响 这项研究通过优化推理过程中的计算分配,可能导致更高效的AI模型,从而降低运营成本。

排序理由 该集群包含一篇详细介绍新AI方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的CoBa策略可优化AI测试时扩展以实现成本效益

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yan Zhou, Yue Ouyang, Kaiyang Zheng, Suncheng Xiang ·

    CoBa:通过计算均衡路由实现具有成本效益的测试时间缩放

    arXiv:2608.07424v1 Announce Type: new Abstract: Test-time scaling is often implemented by spending more compute along one axis: sampling more solutions, extending a chain of thought, or applying a stronger evaluator. Under a fixed inference budget, these choices compete. This pap…