一篇新的arXiv论文引入了“尾部竞争”作为一种框架,用于理解大型语言模型中具有不完整奖励模型的最佳N采样的工作原理。该研究使用极值理论来识别三种不同的状态:正确尾部占优、错误尾部占优和临界状态。它推导出了缩放定律,表明即使平均奖励较低,错误响应有时也会主导选择,并提出了一个“尾部张力”标准来预测何时额外的采样可能是有害的。 AI
影响 为LLM采样策略提供了理论理解,可能导致更有效的推理技术。
排序理由 学术论文发表在arXiv上,详细介绍了LLM采样的新理论框架。[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 →