10:17
官方账号arXiv cs.AI@Jie Liang, Zhengxin Yu, Hamid Nasiri, Peter Garraghan
精选73°
推荐理由：这篇论文用几何方法追踪LLM推理轨迹，能提前发现错误路径，提升任务成功率还降低token成本。
τ-Bench
共 1 条相关 AI 资讯
9月1日
10:17
研究人员提出通过几何信号追踪LLM隐藏状态轨迹，包括时间曲率和方差斜率。在四项任务和三种底层模型上，这些信号能在任务完成前区分正确与错误推理路径。研究将每个任务分解为读、写、回应、转移四个动作链，发现不同信号能区分各种链模式。实验表明，该方法在τ-Bench上将任务成功率从24.1%提升至39.6%，同时减少11.2%的token消耗。