BARS：预算感知序贯采样与拒答方法
热点事件持续更新
BARS：预算感知序贯采样与拒答方法
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
Shenxi Liu 等在 arXiv:2611.14171 提出 BARS，一种面向大语言模型重复采样多数投票的预算感知序贯规则：在未知分布和给定目标错误率约束下认证前二答案差距，返回早停、预算内多数投票，或在无法确定可行时拒答。 论文报告的效果有代价：GSM8K 上实用模式比固定采样 8 次少用 22.3% 样本，但拒答了 18.8% 的问题；MATH 上输出答案的准确率提升到 82.5%，代价是拒答约一半模型无法解决的难题。
AI 根据报道生成 · 1 小时前更新
最新进展11月11日 13:00
BARS：未知分布下带预算与拒绝机制的序贯采样多数识别方法报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.AIBARS：未知分布下带预算与拒绝机制的序贯采样多数识别方法
arXiv 论文提出 BARS，一种面向大语言模型重复采样多数投票的预算感知序贯规则，在未知分布和目标错误率约束下认证前二答案差距，并返回早停、预算内多数投票或拒绝。GSM8K 上实用模式比固定-8 采样少用 22.3% 样本，代价是拒答 18.8% 的问题；MATH 上输出答案准确率提升到 82.5%，代价是拒答一半模型无法解决的难题。
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。