实体
Omni-MATH
Omni-MATH
PulseAugur coverage of Omni-MATH — every cluster mentioning Omni-MATH across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
研究人员使用IRT探索LLM基准规模的收益递减
研究人员使用项目反应理论（IRT）探索了大型语言模型（LLM）基准规模增加的收益递减问题。他们发现，虽然IRT为衡量每个基准项目所获得的信息提供了理论框架，但由于项目间的相互依赖性，实际数据带来了挑战。该研究表明，未来可能由LLM辅助的基准可以显著扩大，从而使收益递减的计算更加可行。
-
研究探讨语言代理如何有效利用反馈进行改进
一篇新研究论文调查了反馈在提高语言代理性能方面的有效性。该研究在多个基准测试中引入了一个受控的学生-教师协议，比较了外部反馈、自我反馈和无指导的自我完善。研究结果表明，交互式收益主要由学生模型利用反馈的能力驱动，而不是教师的身份或反馈的可用性。该研究建议，应将基于反馈的代理与重复尝试基线进行比较，以准确衡量真正的改进。
-
新的解码策略绕过大型语言模型对齐税，以获得更好的推理能力
研究人员引入了一种名为“置信解码”的新型解码策略，旨在减轻大型语言模型中的“对齐税”。当大型语言模型经过对齐微调后的最终层会扰乱精炼的推理，使其倾向于通用或偏好对齐的标记时，就会出现这种税。置信解码通过熵引导的反向搜索动态选择最可靠的近最终层，从而绕过这些最终层。在各种大型语言模型上的实验表明，在 GPQA-Diamond 和 Omni-MATH 等推理基准上取得了显著的改进，而计算开销却很小。