跳到正文
热点事件持续更新

研究提出T/E/S框架建模LLM推理时间结构

1 篇报道1 个报道来源53 分钟前更新

先了解这件事

AI 综述

Ilia Karpov 等人在 arXiv 发布论文(arXiv:2611.23749),提出 T/E/S 框架,用文本、局部事件与活动区间三种结构化表示来刻画语言模型推理的时间结构,预测推理的后续走向。 论文称,在推理与信息检索类任务上,加入事件与区间后,Transformer 在 76 个评估组中的 70 个、经 LoRA 微调的 Qwen 在 74 个中提升了下一结果预测;所用边界方法在取消共享延续质量后能得到与完整动态规划相同的最优动作,同时平均推理 CPU 时间减少 77.7%。

AI 根据报道生成 · 37 分钟前更新

最新进展11月20日 13:00
用结构化表示建模 LLM 推理动态

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    用结构化表示建模 LLM 推理动态

    一项 arXiv 研究提出 T/E/S 框架,用文本、局部事件与活动区间来刻画语言模型推理的时间结构。

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。