★ 3
研究测量数学推理测试时预算边界的准确率影响
论文研究累积 token 上限落在数学推导中途时，测试时控制器在「严格停止」与「允许当前尝试完成」之间的边界选择。基于 19,200 条公开轨迹的配对离线回放发现：4k 上限下建议式停止的准确率增益多来自将弃答转为正确答案；按实际成本比较与同上限比较结论不同；候选覆盖增加并不保证准确率提升。作者呼…
arXiv cs.AI32 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文研究累积 token 上限落在数学推导中途时，测试时控制器在「严格停止」与「允许当前尝试完成」之间的边界选择。基于 19,200 条公开轨迹的配对离线回放发现：4k 上限下建议式停止的准确率增益多来自将弃答转为正确答案；按实际成本比较与同上限比较结论不同；候选覆盖增加并不保证准确率提升。作者呼…