★ 3
研究：五个 Qwen3.8-27B 实例借 GVS5H 编排追平 Fable 5
一项研究提出基于账本的零样本自编排方法，让同一模型的多个实例通过共享文件系统分解问题并协同求解。在 LiveCodeBench 100 道难题上，编排后的 Qwen3.8 Flash Next 以 9% 成本达到 93.0% pass@1，超过 Fable 5 的 90.4%；本地部署的 Qwen…
Hacker News8 天前
#推理时扩展
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
随机重掩码 R²D 提升掩码扩散模型推理性能
论文将掩码扩散模型（MDM）推理重构为干净序列空间上的马尔可夫链，提出纯测试时、免微调、免奖励的 Random Remask-Denoise（R²D）推理方法，并配套轨迹纠错训练 TCT。在困难数独上准确率超 97%、3-SAT 超 99%，在 HumanEval+ 上超过 LLaDA2.1-mi…
arXiv cs.LG10 天前
★ 2
arXiv 论文：尾部竞争解释 Best-of-N 采样扩展规律
该 arXiv 论文研究大语言模型推理时扩展策略 Best-of-N 采样在不完整奖励模型下的行为，将其建模为正确与错误回答的极端奖励尾部竞争。作者用极值理论刻画了正确尾部主导、错误尾部主导和临界三种渐近机制，并推导有限样本扩展律，指出高斯奖励下高方差错误回答可能主导选择。论文还提出轻量级尾部张力…
arXiv NLP18 天前