Beta(2,k)

AI采样温度理论解释预算依赖的优化

研究人员开发了一个理论框架，以解释为什么 AI 模型（如 Codex）的最佳采样温度通常会随着采样预算的增加而升高。这种现象并非 pass@k 指标本身的代数属性。新理论为这种聚合模式提供了充分条件，并识别出一种在预算增长时有利于低成功率任务的机制。该研究还引入了一个双层相图和一个用于边际温度导数的 Beta(2,k) 核表示，从而深入了解不同的操作模式。