分层策略:多LoRA适配器分配采样预算提升pass@k
热点事件持续更新
分层策略:多LoRA适配器分配采样预算提升pass@k
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Mridul Mahajan 等在 arXiv 论文(arXiv:2611.23154)中提出“分层策略”:用共享语言模型骨干上的多个 LoRA 适配器替代单一策略,让 k 个学习到的策略各为 k 次推理时采样贡献一个回答,并以 pass@k 为目标直接优化采样预算的分配。 论文的理论分析表明,在线性设定且每个 LoRA 均有正预测误差的条件下,LoRA 群体可实现零 best-of-k 近似误差。据论文作者称,实验显示该方法在多个推理任务上的 pass@k 一致优于单策略基线。
AI 根据报道生成 · 1 小时前更新
最新进展11月19日 13:00
分层策略如何在推理时分配采样预算:arXiv 新研究提升 pass@k报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv cs.AI分层策略如何在推理时分配采样预算:arXiv 新研究提升 pass@k
一项 arXiv 研究提出分层策略,用共享语言模型骨干上的多个 LoRA 适配器替代单一策略,把 k 个推理时采样预算分配给 k 个学习到的策略,并以 pass@k 为目标优化。理论分析表明,在单个 LoRA 均有正预测误差的线性设定下,LoRA 群体可实现零 best-of-k 近似误差。实验显示该方法在多个推理任务上的 pass@k 一致优于单策略基线。
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。