English(EN) Budget Boundary Effects in Test-Time Mathematical Reasoning

研究发现AI模型的数学推理受令牌限制影响

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-01 04:00

一篇新的研究论文探讨了令牌上限对AI模型数学推理的影响。研究发现，在4k令牌上限下，不同的停止规则（严格与建议）会导致准确性收益不同，建议式停止有时可以通过将弃权替换为正确答案来提高准确性。基于实际成本的比较显示，在某些情况下，建议式4k可能优于严格8k，但并未确立整体优势。研究还表明，增加候选覆盖率并不总是能保证更高的准确性，因为一个选择器在覆盖率增加的同时准确性却下降了。 AI

影响这项研究强调了令牌限制和停止规则如何显著影响AI模型在数学推理等复杂任务中的性能，表明在模型开发和部署中需要仔细考虑这些因素。

排序理由该集群包含一篇发表在arXiv上的研究论文，详细介绍了AI模型行为的发现。[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 →

本文如何被排名

Signal score: 21 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇发表在arXiv上的研究论文，详细介绍了AI模型行为的发现。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Guilin Zhang, Ziqi Tan, Wulan Guo, Kai Zhao, Hongyun Yang, Mei Luo, Qi Ning, Feng Yang · 2026-10-01 04:00

测试时数学推理中的预算边界效应

arXiv:2609.38699v1 Announce Type: new Abstract: A cumulative token cap can fall inside a mathematical derivation, forcing a test-time controller to choose between stopping at the cap (strict) and allowing the current attempt to finish (advisory). We measure this boundary choice w…

本文如何被排名

报道来源 [1]

测试时数学推理中的预算边界效应

相关实体

相关话题