PulseAugur
实时 03:39:20
English(EN) The Coupling Tax: How Shared Token Budgets Undermine Visible Chain-of-Thought Under Fixed Output Limits

新研究揭示“耦合税”限制了大型语言模型的推理准确性

一篇新研究论文引入了大型语言模型中的“耦合税”概念,强调了用于推理和最终答案的共享令牌预算如何会损害准确性。研究发现,对于某些任务和模型,在令牌预算有限的情况下,“非思考”模式的表现通常与思维链推理一样好,甚至更好。研究人员提出将预算拆分生成作为一种缓解策略,该策略将推理和答案预算解耦以提高性能。 AI

影响 强调了当前大型语言模型推理能力的潜在局限性,并提出了在资源受限情况下优化性能的新方法。

排序理由 学术论文,详细介绍了关于大型语言模型推理局限性的新发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新研究揭示“耦合税”限制了大型语言模型的推理准确性

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jyh-Shing Roger Jang ·

    耦合税:共享Token预算如何削弱固定输出限制下的可见思维链

    Chain-of-thought reasoning is often treated as a monotone way to improve language-model accuracy by letting a model think longer. We identify a countervailing effect, the coupling tax: when reasoning traces and final answers share one output-token budget, long traces can crowd ou…