放弃以获得更多:控制测试时间计算分配的是先验,而不是策略
原文:Give Up to Get More: Priors, Not Policies, Govern Test-Time Compute Allocation
当许多输入共享大型语言模型(LLM)重复尝试的预算时,通用规则会给予更难的输入更多。在公共数学、代码和形式证明样本中,发布的最好的难度比例规则在模型主要解决的基准测试中获得了一半或更多的预言机增益,但在困难工作负载上最多只能获得 13%,即使给出了真实的通过率。因为多一次尝试的价值
正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。
抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。
正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。