★ 3
BELT：为 LLM 推理早停学习可复用表征
论文提出 BELT 方法，将结果预测与停止控制解耦：从冻结 LLM 隐状态学习对当前与未来答案的信念，再拟合线性停止策略。由于预测目标与 token 价格无关，一次探针即可通过 CPU 重拟合支持不同精度-成本权衡。在五个分布外数学基准上，Qwen3-1.7B 减少 41%、OLMo-3-7B-T…
arXiv cs.AI10 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 BELT 方法，将结果预测与停止控制解耦：从冻结 LLM 隐状态学习对当前与未来答案的信念，再拟合线性停止策略。由于预测目标与 token 价格无关，一次探针即可通过 CPU 重拟合支持不同精度-成本权衡。在五个分布外数学基准上，Qwen3-1.7B 减少 41%、OLMo-3-7B-T…
论文提出 MIRA，将研究资源分配与执行分离的分层架构：外层元推理器从持久研究记录中整理上下文并下达下一步调查指令，内层执行器完成具体工作。无需策略训练即可在定理证明与神经网络架构搜索中提升长周期推理表现。进一步训练生成式 actor-critic（MIRA-AC）后，在四个自动研究环境中提升最终…