10:17
官方账号arXiv cs.LG@Haohui Yang, Jiaxing Sun, Xiujun Ma
推荐理由：Power Sampling 越纠正反而越差，掉 18.5 个点，但有修复方案，比普通采样稳。
Power Sampling
共 1 条相关 AI 资讯
8月17日
10:17
Power Sampling 通过锐化完整生成轨迹的分布来增强推理，但研究发现它可能将更多概率质量转向正确轨迹，同时使下游推理变差。以自一致性为例，在多个模型和推理基准上准确率下降最高达18.5个百分点。原因包括剂量失配：固定指数在不同问题上导致不同程度的分布变化；以及覆盖失配：全局锐化将质量集中在少数主导路径，损失了宽泛的推理路径支持。研究者提出变形控制、支持保留的 Power 目标，在加权自一致性的同预算设置下，修复后的采样器逆转了损失并超过标准多采样推理。