SMC 解码零成本估计序列级 Rényi 熵用于自适应推理
热点事件持续更新
SMC 解码零成本估计序列级 Rényi 熵用于自适应推理
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
Shahab Rahimirad 等在 arXiv 论文（arXiv:2611.13414）中提出：幂采样所用的 Sequential Monte Carlo（SMC）粒子解码过程本身已在估计幂分布的归一化常数，因此可以在零边际成本下得到模型补全分布的序列级 Rényi 熵（SRE）。 论文称该量可用于 LLM 的选择性预测与自适应计算，即在不增加额外解码开销的情况下获得推理不确定性度量。
AI 根据报道生成 · 1 小时前更新
最新进展11月11日 13:00
基于粒子解码的序列级 Rényi 熵实现零成本 LLM 推理不确定性量化报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.AI基于粒子解码的序列级 Rényi 熵实现零成本 LLM 推理不确定性量化
一项 arXiv 研究提出，Sequential Monte Carlo 粒子解码可零边际成本估算模型补全分布的序列级 Rényi 熵（SRE），用于 LLM 选择性预测与自适应计算。
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。