PulseAugur
中
实时 00:25:43
English(EN) Self-Consistency Is Losing Its Edge: Diminishing Returns and Rising Costs in Modern LLMs

自我一致性技术对现代大型语言模型显示出收益递减

作者 PulseAugur 编辑部 · [1 个来源] ·

一项新研究表明，自我一致性技术（通过生成多个推理路径来提高大型语言模型的准确性）的有效性正在降低，成本也在增加。研究人员发现，在 HotpotQA 和 MATH-500 等基准测试中，增加样本数量只能带来微小的准确性提升，而标记成本却呈线性增长。在某些情况下，样本越多，性能甚至会下降，这表明对于更现代、能力更强的模型来说，自我一致性可能引入的是噪声而非信号。 AI

影响 表明传统的自我一致性方法对于先进的大型语言模型可能效率低下，可能会影响推理成本优化策略。

排序理由 学术论文分析特定大型语言模型技术的收益递减。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

自我一致性技术对现代大型语言模型显示出收益递减

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Chiyan Loo ·

    自洽性正在失去优势：现代大型语言模型的收益递减和成本上升

    arXiv:2511.00751v2 Announce Type: replace-cross Abstract: Self-consistency -- sampling multiple reasoning paths and selecting the most frequent answer -- was designed for an era when language models made frequent, unpredictable errors. This study argues that the technique has bec…

相关实体

相关话题