Qualcomm（高通）

Beyond the Frontier: Stochastic Backtracking for Efficient Test-Time Scaling

超越前沿：用于高效测试时扩展的随机回溯

Dao Tran, Duc Anh Le, Ngoc Luu, Quan Pham, Tung Pham, Hung Bui

机构 * Qualcomm AI Research（高通人工智能研究） 纠错

AI总结 提出随机回溯方法，通过维护历史前缀池并利用子池选择和幂回溯序列蒙特卡洛机制，在测试时扩展中实现更高的准确率-令牌数权衡。

Video Reasoning without Training

无需训练的视频推理

Deepak Sridhar, Kartikeya Bhardwaj, Jeya Pradha Jeyaraj, Nuno Vasconcelos, Ankita Nayak, Harris Teague

机构 * Qualcomm AI Research（高通AI研究） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

AI总结 提出V-Reason方法，利用输出分布熵作为信号，通过轻量级控制器在推理时自适应调整值缓存，无需强化学习或微调即可提升视频推理性能。

Comments CVPR Findings 2026. Project Page https://deepaksridhar.github.io/vreason.github.io/

Fundamental bounds on efficiency-confidence trade-off for transductive conformal prediction

转导共形预测的效率-置信度权衡的基本界限

Arash Behboodi, Alvaro H. C. Correia, Fabio Valerio Massoli, Christos Louizos

机构 * Qualcomm Technologies, Inc.（高通技术公司） 纠错

AI总结 本文证明了转导共形预测中置信度与效率（预测集大小）之间存在严格有限样本界，指出非平凡置信度会导致预测集大小随数据固有不确定性呈指数增长，并提出了接近该界限的实用算法。