提出Recon方法：用动作重构评分做推理合成
热点事件持续更新
提出Recon方法：用动作重构评分做推理合成
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Mihran Miroyan 等研究者在 arXiv 发表论文，提出 Recon 方法：由重建模型根据上下文和候选推理预测动作，用重建保真度给推理轨迹打分，以此改进用户建模中的推理合成。 实验结果称，在四个领域中，Recon 相比后验合理化基线 Backward Synthesis 取得 54.7% 的胜率；用 Recon 奖励训练推理合成模型后，下游用户建模相对基线胜率最高达 70.0%，且合成的推理可跨模型迁移。研究者称这说明后验合理化不足以完成推理合成。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 13:00
Recon：基于动作重建评分的推理轨迹合成方法，改进用户建模报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AIRecon：基于动作重建评分的推理轨迹合成方法，改进用户建模
研究者提出 Recon，用动作重建来为推理轨迹打分：由重建模型根据上下文和候选推理预测动作，以重建保真度衡量推理质量。在四个领域中，Recon 相比后验合理化基线 Backward Synthesis 取得 54.7% 的胜率；用 Recon 奖励训练推理合成模型后，下游用户建模相对基线胜率最高达 70.0%。Recon 合成的推理可跨模型迁移，说明后验合理化不足以完成推理合成。
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。