04:00
Stanford AI Lab@StanfordAILab
Stanford AI Lab@StanfordAILab精选
推荐理由：发新论文了，斯坦福团队搞的QuasiMoTTo，不用独立采样浪费算力，相关采样省25-47%样本，训练步骤也砍半。做推理扩展的可以看看。
推理计算
共 4 条相关 AI 资讯
7月3日
04:00
QuasiMoTTo是一种新的推理计算扩展方法，通过相关采样替代独立采样，避免重复发现相同解。该方法样本覆盖率更高，且保持边缘精确的LLM分布。实验显示，在测试时扩展中，仅需25-47%的样本即可达到相同性能；在强化学习训练中，减少50%的步骤。该研究由斯坦福大学团队完成，探索了相关采样器的设计空间。
6月17日
09:39
09:39
官方账号arXiv cs.AI@Jessica McFadyen, Ole Jorgensen, Harry Coppock, Kevin Wei, Cozmin Ududec
推荐理由：别被固定预算的基准分数骗了，这篇论文揭示了很多模型实际能力需要更多推理计算才能看出来。
6月12日
13:02
13:02
官方账号ARC Prize@arcprize
官方账号ARC Prize@arcprize精选
推荐理由：Chollet的洞见挑战了AI界对训练算力的迷信，做AI研究或关注AGI进展的开发者值得一看，可能会重新思考你的算力分配策略。
5月16日
23:25
23:25
Gary Marcus@GaryMarcus
推荐理由：AI 从业者常陷入算力竞赛的思维定式，Marcus 的提醒点出了架构创新的长期价值，做模型选型和研发的团队值得一读。