MATH500
PulseAugur coverage of MATH500 — every cluster mentioning MATH500 across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
新的MRP技术提高了语言模型的速度和准确性
来自Modal Research和纽约大学上海分校HeavyBall Research的研究人员开发了一种名为多标记残差预测（MRP）的新技术，该技术提高了语言模型的速度和准确性。MRP通过训练一个小模块来预测扩散语言模型中相邻去噪步骤之间的残差差异，而不是预测整个分布。这种方法在静态模式下可以实现高达1.56倍的吞吐量，并且在动态模式下可以恢复在激进的低阈值解码设置中丢失的重要准确性点，同时几乎没有质量损失。
-
新框架通过模式感知推理提升LLM工具使用能力
一篇新的研究论文介绍了一个模式感知框架，以增强大型语言模型中的工具集成推理（TIR）。该框架通过关注工具的应用方式，而不仅仅是何时使用它们，来解决先前工作中的局限性。它区分了代码使用的计算器模式和算法模式，并提出了一种两阶段方法来构建代码能力并将模式选择与期望的结果对齐。正如在MATH500和AIME24上的Code@1等指标的显著提升所示，该方法在具有挑战性的数学数据集上显著提高了准确性。
-
新方法惩罚冗余，使大语言模型推理更高效
研究人员开发了一种新颖的方法，通过惩罚其思维链（CoT）追踪中的内部和外部冗余来减少大型推理模型（LRM）的“过度思考”。这种双重惩罚强化学习框架分别解决了第一个正确答案之前的信��停滞和之后的冗余延续问题。在GSM8K和MATH500等基准测试上的实验表明，推理长度显著缩短，在1.5B模型上最多可减少41.3%，同时保持了具有竞争力的准确性并提高了整体效率。该方法还显示出对GPQA和LiveCodeBench等域外任务的可迁移性，为…
-
ConPress 方法从多问题提示中学习高效推理
研究人员开发了一种名为 ConPress 的新方法，以提高大型推理模型的效率。该技术利用了一种称为“自压缩”的现象，即模型在单个提示中呈现多个问题时，会自然地产生更短的推理轨迹。ConPress 利用这种多问题压力来微调模型，使其在没有外部监督的情况下生成简洁的推理轨迹。这种方法在推理代币使用量上显示出显著的减少，例如在 MATH500 基准测试上减少了 59%，同时保持了具有竞争力的准确性。
-
新框架统一图像生成能力；研究解决蒸馏挑战
研究人员推出了一种新颖的 on-policy 生成场蒸馏框架 DanceOPD，旨在将文本到图像、局部编辑和全局编辑等多种图像生成能力统一到单个模型中。该框架解决了将这些能力结合起来可能导致性能下降的常见问题。DanceOPD 将样本路由到特定的能力场，并使用速度 MSE 目标进行训练，从而在保持整体生成质量的同时组合专家能力。此外，其他研究还探索了 on-policy 蒸馏技术，包括缓解输出多样性减少和解决长推理任务中的位置偏差的方…
-
新的SIGMA框架通过多代理知识集成提升AI数学推理能力
研究人员开发了SIGMA，一个旨在提高AI代理数学推理能力的新框架。SIGMA采用多代理系统，其中专业代理独立进行推理、执行定向搜索并通过协调者合成信息。这种方法通过让每个代理生成假设性段落来优化检索，从而实现上下文敏感且高效的知识集成。SIGMA在MATH500、AIME和GPQA等具有挑战性的基准测试中表现出色，比现有系统提高了7.4%的绝对性能。
-
新的SEVRA方法优化LLM推理，提高准确性和效率
研究人员开发了一种名为选择性推理分配验证（SEVRA）的新方法，以优化大型语言模型（LLM）的推理使用。SEVRA充当服务层控制器，决定是接受模型的初步答案还是进行额外的验证。在MATH500数据集上使用冻结的Qwen3-4B模型进行测试时，SEVRA在显著减少令牌使用量和有害答案翻转的同时，实现了比总是验证更高的准确性。然而，研究还发现，增加初始推理预算有时可以比选择性恢复产生更少的令牌，但结果相似或更好，这表明在采用选择性验证之前…
-
新的采样方法在不更新参数的情况下提升了大型语言模型的推理能力
研究人员开发了一种名为熵引导功率采样（EGPS）的新采样方法，以提高基础语言模型的推理能力。该方法通过关注序列内的高熵区域来解决传统Metropolis-Hastings采样器的低效问题，从而实现更快、更有效的采样。EGPS在MATH500、HumanEval和GPQA等基准测试中表现强劲，与现有技术相比实现了显著的加速。
-
新CCPO方法改进了多智能体LLM中的信用分配
研究人员开发了一种名为协作信用策略优化（CCPO）的新方法，以解决多智能体大型语言模型（LLM）系统中信用分配的挑战。CCPO充当一个与优化器无关的层，将团队层面的结果转换为智能体特定的学习信号。它采用两个分配器：一个通过模拟智能体的移除来估计其边际贡献，另一个使用约束的自我评估和同伴评估。该方法在双智能体推理任务中显示出改进，特别是在MATH500等数学基准测试上，根据所使用的模型和数据集，收益有所不同。
-
新的ScaleSearch方法通过优化量化提高了生成模型的效率
研究人员开发了一种名为ScaleSearch的新方法，通过量化来提高生成模型的效率。该技术优化了块浮点（BFP）格式中尺度因子的选择，将量化误差降低了高达27%。提出的ScaleSearchAttention算法与BFP集成，在因果语言建模中表现出接近零的性能损失，并在Qwen3-8B和Llama 3.1 70B等模型的准确性方面显示出显著的改进。
-
AI模型使用策略引导路由进行成本效益数学推理
研究人员通过实施策略引导分步模型路由系统，开发了一种在大型语言模型中实现成本效益推理的新方法。该方法将中间思维链状态路由到不同大小模型的任务，构建为一个受约束的决策问题。通过使用强化学习训练一个小型控制策略并采用阈值校准，该系统优化了性能-效率的权衡，优于手工制作的策略，并能与训练了更大奖励模型的方法相媲美。
-
PiCSAR 方法通过概率置信度评分提升 LLM 推理链的准确性
研究人员推出了一种名为 PiCSAR 的新方法，用于提高大型语言和推理模型的准确性。这种无需训练的方法通过从多个生成选项中选择最佳候选解决方案来增强推理任务的性能。PiCSAR 利用推理过程和最终答案的联合对数似然来评估置信度，在 MATH500 和 AIME2025 等基准测试中取得了显著的提升。