POETS：策略集成的不确定性感知LLM优化框架
热点事件持续更新
POETS：策略集成的不确定性感知LLM优化框架
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26日，arXiv Artificial Intelligence 刊出 Nicolas Menet、Andreas Krause、Abbas Rahimi 的论文，提出 POETS（Policy Ensembles for Thompson Sampling）框架，将不确定性量化与策略优化结合。该框架通过共享预训练骨干、独立 LoRA 分支的策略集成，直接捕捉 LLM 的认知不确定性，省去先训练不确定性奖励模型再拟合策略的嵌套流程。论文称其理论上隐式近似 KL 正则化 Thompson 采样，累积遗憾界为 O(√T γ_T)；在蛋白质搜索、治疗分子设计、量子电路设计上取得 SOTA 样本效率，并改善数学推理与代码生成强化学习的优化轨迹和分布外迁移。目前报道仅涉及该框架的提出与实验结论，未见后续独立验证或应用跟进。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 12:00
POETS：基于高效策略集成的不确定性感知 LLM 优化框架报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv Artificial IntelligencePOETS：基于高效策略集成的不确定性感知 LLM 优化框架
POETS 通过共享预训练骨干、独立 LoRA 分支的策略集成，直接捕捉 LLM 的认知不确定性，省去训练不确定性奖励模型再拟合策略的嵌套流程。理论上它隐式近似 KL 正则化 Thompson 采样，累积遗憾界为 O(√T γ_T)；在蛋白质搜索、治疗分子设计、量子电路设计上取得 SOTA 样本效率，并改善数学推理与代码生成 RL 的优化轨迹和分布外迁移。
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。