实体
test-time compute
test-time compute
PulseAugur coverage of test-time compute — every cluster mentioning test-time compute across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
AI模型通过交互缩放改进，突破计算限制
研究人员探索了一种改进AI模型性能的新方法，引入了交互缩放（interaction scaling），这是一种超越传统推理或采样技术的方法。计算的第三个维度涉及AI模型提出一个产物，一个外部工具观察其真实世界行为，然后模型根据此反馈修改其输出。这个循环过程允许纳入实际观察，克服内部计算方法的局限性。实验表明，当交互缩放得到真实世界反馈和指标的适当支持时，它在各种任务和模型家族中持续提高了性能，甚至超越了仅推理和采样方法。
-
交互缩放：AI 增强测试时计算的第三个维度
研究人员引入了一种名为“交互缩放”的新颖方法，通过整合外部反馈循环来提高 AI 模型性能。与仅依赖内部推理或采样的传统方法不同，交互缩放涉及 AI 提出一个产物，外部仪器观察其行为，然后 AI 根据这种真实世界的观察来修改其提案。这种方法已显示出显著的改进，在编码任务上实现了完美的通过率，并能有效识别和纠正视觉产物中的缺陷，其性能优于标准的推理和采样技术。
-
OpenAI 模型证伪一项已有 80 年的数学猜想
一个 OpenAI 模型成功证伪了由 Paul Erdős 提出的、已有 80 年历史的单位距离猜想。该模型利用“测试时计算”机制，探索了多种推理路径并自我纠正，最终得出了一个新颖的解决方案，挑战了长期以来认为方形网格排列是最优的观点。这一突破不仅推进了数学理解，还展示了人工智能与人类研究人员协作的潜力，从而在相关领域带来更多发现。