跳到正文
热点事件持续更新

提出保留谱系的LP-SMC解码方法

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

2026年10月20日,arXiv Artificial Intelligence 刊出研究,Minoo Ahmadi 等作者提出用于扩散 LLM 解码的谱系保留 SMC 方法 LP-SMC。报道称,该方法以 Chopthin 重采样加输入权重下限替代多项重采样,避免高权重粒子被复制、低权重谱系被丢弃。在两个基座模型的数学推理与代码生成基准上,报道称 LP-SMC 使 oracle 覆盖率全部提升 1.8 至 25.6 个百分点,并在 12 个设置中的 11 个提升端到端准确率,其中 LLaDA-1.5 最高提升 7.9 个百分点、Dream-7B 最高 18.3 个百分点。目前该事件仅有这一篇主报道,尚无跟进报道或相互矛盾的数字与说法。

AI 根据报道生成 · 36 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月20日
  1. arXiv Artificial Intelligence
    LP-SMC:为扩散 LLM 解码保留多样性的 SMC 重采样方法

    研究者提出保谱系 SMC(LP-SMC),用 Chopthin 重采样加输入权重下限替代多项重采样,避免高权重粒子复制、低权重谱系被丢弃。在两个基座模型的数学推理与代码生成基准上,LP-SMC 使 oracle 覆盖率全部提升 1.8 至 25.6 个百分点,在 12 个设置中的 11 个提升端到端准确率,LLaDA-1.5 最高提升 7.9 个百分点、Dream-7B 最高 18.3 个百分点。

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。