研究人员开发了一种名为DASE（Deliberative Adaptive Stopping Ensemble，审慎自适应停止集成）的新启发式方法，以提高大型语言模型（LLM）集成的准确性。DASE在达成共识时帮助集成模型更早地确定答案，并在证据分散时使用回退机制，从而防止过度审议导致性能下降。该系统在AIME数据集上展示了显著的路由差距，与现有方法相当，并表明自适应停止是准确性提高的主要驱动因素，而非注入带宽。 AI
影响 引入了一种新颖的LLM集成停止启发式方法，有望提高推理的准确性和效率。
排序理由 这是一篇详细介绍LLM集成新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
