BMA-GAI：预算约束下多属性验证的测试时扩展算法

2026年10月15日，arXiv Artificial Intelligence 刊出由 Bo Xue 等作者完成的研究，提出 BMA-GAI 算法，用于在共享计算预算下验证大语言模型生成的答案。该研究将候选答案视为多属性臂，结合成本感知的臂选择与属性自适应采样，使每次观测同时用于分配决策和随时有效的认证，无需单独确认阶段。报道称，该算法在合成基准和 LLM 答案验证任务上比对比方法更高效地分配验证预算，认证出更多高质量候选，并具有渐近覆盖保证和一阶最优性。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。