新的MPPA方法通过多样化计划提升LLM推理准确性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

研究人员开发了一种名为多路径计划聚合（MPPA）的新方法，以增强大型语言模型在推理过程中的推理能力。MPPA利用共享骨干网络上的独立LoRA适配器来生成多个多样化的计划及其相应的解决方案。然后，聚合器对这些解决方案进行评分，利用推理证据来选择最准确的最终答案。与传统方法相比，这种方法提高了准确性-令牌的权衡，以更少的令牌实现了更高的准确性。 AI

影响该方法有望提高LLM推理的效率和准确性，尤其是在数学和科学等复杂任务中。

排序理由该集群包含一篇详细介绍改进LLM推理新方法的学术论文。[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 →

本文如何被排名

Signal score: 10 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍改进LLM推理新方法的学术论文。[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: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Siheng Xiong, Ali Payani, Faramarz Fekri · 2026-10-27 04:00

通过多路径规划聚合推进测试时间缩放的帕累托前沿

arXiv:2510.11620v3 Announce Type: replace Abstract: Test-time scaling seeks to improve reasoning through additional inference-time computation, commonly using solution sampling with majority voting to select the final answer. However, repeated sampling can reproduce correlated er…

本文如何被排名

报道来源 [1]

通过多路径规划聚合推进测试时间缩放的帕累托前沿

相关实体

相关话题