English(EN) PETS: A Principled Framework Towards Optimal Trajectory Allocation for Efficient Test-Time Self-Consistency

新的PETS框架优化AI测试时自洽性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-02 04:00

研究人员开发了PETS，一个用于优化AI模型测试时自洽性的新框架。该方法旨在通过有效分配随机推理轨迹的资源来提高模型性能。PETS引入了“自洽率”以理论上支持样本高效分配，并为离线和在线设置提供了算法，在实验中优于均匀分配。 AI

影响引入了一种提高AI模型在测试期间性能和效率的新颖方法，有可能降低计算成本。

排序理由该集群包含一篇研究论文，详细介绍了AI模型优化方面的新框架和方法论。[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 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Zhangyi Liu, Huaizhi Qu, Xiaowei Yin, He Sun, Yanjun Han, Tianlong Chen, Zhun Deng · 2026-06-02 04:00

PETS：迈向最优轨迹分配以实现高效测试时自洽性的原则性框架

arXiv:2602.16745v2 Announce Type: replace-cross Abstract: Test-time scaling can improve model performance by aggregating stochastic reasoning trajectories. However, achieving sample-efficient test-time self-consistency under a limited budget remains an open challenge. We introduc…