研究人员开发了Agent-Conditioned Routing (ACR),一种在单个冻结的大型语言模型中鼓励多样化推理路径的新颖方法。ACR分配具有持久专家资格掩码的并行轨迹,保留了模型的学习到的token路由。与在GLM 5.3和GPT-5.6 Sol的基准测试中使用标准温度采样技术相比,该方法在生成不同的问题解决方法方面显示出显著的提高,同时保持了可比的延迟和VRAM使用量。 AI
影响 该方法可以使LLM在无需微调或多个模型实例的情况下,探索更广泛的复杂问题解决方案。
排序理由 该集群包含一篇详细介绍LLM新方法的学术论文。
- Agent-Conditioned Routing
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- DagsHub
- GLM 5.3
- Gotit.pub
- GPT 5.6 "Sol"
- Hugging Face
- Litmaps
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →