#pass@k

共 3 条 · 7 天 0 条 · 30 天 1 条

test-time compute 1 强化学习 1 推理模型 1

信息流里打上「pass@k」标签的资讯、产品与论文，按刊登时间排，新的在上。

9月23日

论文 Agent 与开发者10:22

用小模型学搜索策略，提升大模型推理 pass@k

一个小的概念生成器经过 RL 训练后，能当搜索策略帮大模型多解出难题，还能跨模型复用，思路挺有意思。

#pass@k #推理模型 #强化学习 #test-time compute

arXiv cs.AI@Ismail Labiad 等 5 人原文

7月2日

QuasiMoTTo：用准蒙特卡洛方法提升推理时扩展的样本效率

这篇论文提出QuasiMoTTo，用相关采样替代独立采样，在推理和强化学习中大幅减少样本需求，效果显著。

#QuasiMoTTo #quasi-Monte Carlo #pass@k #GRPO

arXiv cs.LG@Michael Y. Li 等 5 人原文

6月25日

On-Policy Self-Distillation with Sampled Demonstrations Reduces Output Diversity

这篇论文揭示了自蒸馏方法的一个隐藏缺陷：虽然准确率不错，但多样性会变差，导致复杂推理场景下失效。做RL或推理模型的人值得看看。

#self-distillation #强化学习 #输出多样性 #pass@k

arXiv cs.LG@Andrei Liviu Nicolicioiu 等 3 人原文