自回归解码鞅理论框架的提出
热点事件持续更新
自回归解码鞅理论框架的提出
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
2026年10月15日，Xiahui Zhu等作者在arXiv人工智能板块发表论文，提出自回归解码的鞅理论框架，用于分析自回归大语言模型解码的随机动力学。研究将每步预测误差定义为采样token指示值与模型条件预测分布之差，并证明该累积误差过程关于解码滤流构成鞅，条件一阶矩恒为零。该鞅序列的可预测二次变差可化简为对已实现token概率的求和，仅凭已实现token概率即可计算。在Llama-3.x与Qwen2.5系列（1B至72B参数）上的白盒实验显示，实测二阶矩与理论预测高度吻合。目前进展为论文发表及实验验证，暂无后续报道。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
自回归解码的鞅性质：刻画 LLM 生成的随机动力学报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv Artificial Intelligence自回归解码的鞅性质：刻画 LLM 生成的随机动力学
研究者将自回归解码的每步预测误差定义为采样 token 指示值与模型条件预测分布之差，证明其累积误差过程关于解码滤流构成鞅，条件一阶矩恒为零。该鞅序列的可预测二次变差可化简为 $\sum_t(1-p(y_t\mid y_{<t}))$，仅凭已实现 token 概率即可计算。在 Llama-3.x 与 Qwen2.5 系列（1B 至 72B 参数）上的白盒实验显示，实测二阶矩与理论预测高度吻合。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。