研究人员正在开发新方法来增强大型语言模型(LLM)的推理能力。一种名为 AnytimeReasoner 的方法通过适应不同的 token 预算并改进可验证的密集奖励的信用分配来优化推理效率。另一种技术,减弱诱导的策略内自蒸馏(WISD),通过创建较弱的对应模型进行对比训练来提高模型性能,而无需特权信息。此外,一个名为 DeoGen 的新基准生成器可自动创建规范推理的数据集,这对于在受监管环境中部署 LLM 至关重要。 AI
影响 LLM 推理和自动化基准测试的进步可以加速其在复杂、受监管环境中的部署。
排序理由 该集群包含三篇关于改进 LLM 推理和基准生成的不同研究论文。
- AnytimeReasoner
- arXiv
- Budget Relative Policy Optimization
- DeoGen
- HMMT 2025
- Hugging Face
- Language Models
- LiveCodeBench v6
- Penghui Qi
- Qwen3.5 4B
- Qwen3.6 35B-A3B
- Weakening-Induced On-Policy Self-Distillation
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →