免训练免验证器的分布锐化推理方法
热点事件持续更新
免训练免验证器的分布锐化推理方法
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
2026年10月15日，arXiv Artificial Intelligence 刊出研究，Xiaotong Ji 等作者提出 Scalable Power Sampling，一种无需训练、无需验证器的算法，通过自回归地锐化基座模型的生成分布来提升 LLM 推理能力。该算法基于自回归幂分布的词元级分解，将全局幂分布近似为词元级缩放低温分布，从而省去迭代 MCMC。在数学、QA 和代码任务上，其表现匹配或超越 one-shot GRPO，且推理延迟较 MCMC 采样降低逾 10 倍。目前事件进展停留在该方法被提出并报告上述实验结果的阶段。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
Scalable Power Sampling：无需训练与验证器，用分布锐化提升 LLM 推理效率报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv Artificial IntelligenceScalable Power Sampling：无需训练与验证器，用分布锐化提升 LLM 推理效率
研究者提出 Scalable Power Sampling，一种无需训练、无需验证器的算法，通过自回归地锐化基座模型的生成分布来提升 LLM 推理能力。该方法基于自回归幂分布的词元级分解，将全局幂分布近似为词元级缩放低温分布，从而省去迭代 MCMC。在数学、QA 和代码任务上，其表现匹配或超越 one-shot GRPO，且推理延迟较 MCMC 采样降低逾 10 倍。
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。