Grover training

量子人工智能方法通过 Grover 干涉增强 LLM 慢思考

研究人员提出了一种利用量子人工智能原理增强大型语言模型慢思考能力的新方法。这种被称为路径积分慢思考的方法利用 Grover 干涉来管理推理轨迹，使其能够在测量前共存并重新组合。该技术旨在防止策略崩溃，这是经典强化学习中一个常见的问题，即概率集中在少数成功路径上，从而侵蚀了探索性多样性。在滑动拼图的模拟中，这种量子训练方法与经典对照组相比取得了显著更高的准确率，证明了其在保持探索性路径多样性并将其转化为已验证性能方面的潜力。