Compactor: Calibrated Query-Agnostic KV Cache Compression with Approximate Leverage Scores
Johns Hopkins University(约翰霍普金斯大学)
Compactor通过近似杠杆分数实现查询无关的KV缓存压缩,减少内存占用并提升性能,适用于多种语言模型部署场景。
2025-12-08 cs.AI cs.CL
Confident Adaptive Language Modeling
Google Research(谷歌研究院);CSAIL, MIT(麻省理工学院计算机科学与人工智能实验室)
基于transformer的大语言模型(LLM)的最新进展已经在许多任务中带来了显着的性能改进。这些收益伴随着模型大小的急剧增加,可能导致推理时的缓慢和昂贵的使用。然而,在实践中,由LLM生成的一系列生成是由不同程度的难度组成的。虽然某些预测确实受益于模型的全部容量,但其他延续则更加琐碎,可以通过减少计算来解决。在这项工作中,我们引入了自信的自适应语言建模(CALM),一个框架,用于动态分配每个输入和生成时间步长的不同计算量。提前退出解码涉及我们在这里解决的几个挑战,例如:(1)使用什么置信度;(2)将序列级约束连接到本地每个令牌退出决策;以及(3)由于先前令牌中的提前退出而返回丢失的隐藏表示。通过对三种不同的文本生成任务的理论分析和实证实验,我们证明了我们的框架在降低计算效率-高达$\times 3$的潜在加速-同时可证明保持高性能。
2022-10-25 cs.CL cs.LG
CalVerT: Augmenting Agents with Calibrated Verifier Telemetry Improves Action and Learning in Knowledge-Intensive Tasks
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
提出CalVerT方法,通过向智能体状态添加校准的自信心分数和基础验证器分数,减少过度依赖参数知识或冗余检索,提升知识密集型问答的准确性和效率。
2026-06-23 cs.AI cs.CL
Your Inference Request Will Become a Black Box: Confidential Inference for Cloud-based Large Language Models
Key Lab of High Confidence Software Technologies (Peking University), Ministry of Education, China(高可信软件技术重点实验室(北京大学));School of Computer Science, Peking University, Beijing, China(北京大学计算机学院);Tencent, Shenzhen, China(腾讯(深圳));Macau university, China(澳门大学)
Talaria通过在客户端控制的CVM中执行敏感操作并使用ReMO协议保护隐私,实现云上LLM的保密推理,同时保持性能和效率。
2026-02-27 cs.AI cs.CL cs.CR
Locally Confident, Globally Stuck: The Quality-Exploration Dilemma in Diffusion Language Models
University of Illinois Chicago(伊利诺伊大学芝加哥分校);Tsinghua University(清华大学);MBZUAI(穆罕默德·本·扎耶德人工智能大学);McGill University(麦吉尔大学)
本文探讨了扩散语言模型中质量与探索的矛盾,提出了一种平衡两者的方法,通过优化分布和采样策略提升生成质量与探索能力。
2026-04-01 cs.CL
ICPO: Illocution-Calibrated Policy Optimization for Multi-Turn Conversation
Zhejiang University(浙江大学);Binjiang Institute of Zhejiang University(浙江大学滨江学院);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);China University of Petroleum (Beijing)(中国石油大学(北京));Guangzhou University(广州大学)
ICPO通过校准模型对指令模糊性的感知,提升多轮对话的鲁棒性和协作性,实现75%的性能提升。
2026-01-20 cs.AI cs.CL
Deeper is Not Always Better: Mitigating the Alignment Tax via Confident Layer Decoding
Qwen Team, Alibaba Inc.(阿里巴巴集团 Qwen 团队);Tsinghua University(清华大学);Nanyang Technological University(南洋理工大学)
提出Confident Decoding,一种无需训练的解码策略,通过熵引导的保守反向搜索动态选择最可靠的近最终层,以缓解对齐微调导致的最终层扰动,提升推理性能。
2026-10-06 cs.CL
Calibrated Speculative Decoding: Frequency-Guided Candidate Selection for Efficient Inference
Shanghai Jiao Tong University(上海交通大学);Alibaba Cloud Computing(阿里云 computing)
本文提出校准的推测解码,通过频率引导的候选选择和概率保护的接受机制,提升大语言模型推理效率,实测效果优于现有方法。
2026-04-15 cs.CL cs.LG
Supervised Optimism Correction: Be Confident When LLMs Are Sure
Nanyang Technological University(南洋理工大学);Hong Kong University of Science and Technology(香港科学与技术大学);Tongyi Lab(通义实验室)
本文揭示了监督微调中 beam search 存在过度乐观问题,提出 Supervised Optimism Correction (SOC) 方法,通过辅助损失正则化 Q 值估计,提升模型对专家示范的置信度,在多个数学推理基准上表现优越。
2025-05-30 cs.CL
CHASD: Language Increment-Calibrated Contrastive Decoding against Hallucination in LVLMs
Institute of Artificial Intelligence, Xiamen University(厦门大学人工智能学院);Department of Artificial Intelligence, Xiamen University(厦门大学人工智能系)
提出CHASD框架,通过不确定性驱动的置信门控和注意力引导的局部扰动,在推理时按需校准对比解码,减少对象幻觉并提升效率。
2026-05-22 cs.AI cs.CV
When to Ensemble: Identifying Token-Level Points for Stable and Fast LLM Ensembling
KAIST(韩国科学技术院);Korea University(韩国大学);AITRICS
本文提出SAFE框架,通过考虑令牌化不匹配和下一个令牌概率分布的一致性,改进长形式生成中的模型集成,提升准确性和效率。
2026-03-13 cs.AI cs.CL
Recovering General Capabilities via Uncertainty-Calibrated Multi-Teacher On-Policy Distillation
Kuaishou Technology(快手科技)
该研究针对大语言模型领域专业化时通用能力下降的问题,提出不确定性校准的MOPD方法,在角色扮演和医疗领域实验中提升通用能力且保持垂直领域性能。
2026-09-29 cs.CL
Calibrated Large Language Models for Binary Question Answering
Royal Holloway, University of London(伦敦大学皇家霍洛威学院);Centrica(森特里卡公司)
本文提出利用归纳Venn–Abers预测器(IVAP)校准大语言模型在二分类问答中的输出概率,并在BoolQ数据集上验证其优于温度缩放方法,同时保持高预测质量。
2024-07-01 cs.CL cs.LG
Hot or Cold? Adaptive Temperature Sampling for Code Generation with Large Language Models
Academy of Military Sciences(军事科学院);Peking University(北京大学);Advanced Institute of Big Data(大数据高级研究院)
本文提出自适应温度采样方法,根据代码令牌难度动态调整温度,显著提升代码生成性能。
2023-12-28 cs.CL cs.SE
Certainty-Guided Reasoning in Large Language Models: A Dynamic Thinking Budget Approach
Nokia Bell Labs, France(诺基亚贝尔实验室,法国)
CGR通过动态调整推理预算,在保持准确性的同时减少token使用,通过确定性评估实现高效的推理过程。
2026-02-09 cs.AI cs.CL
Structuring The Future: Diffusion LLM Speculative Decoding via Calibrated Draft Graphs
University of Waterloo(多伦多大学)
提出Spiffy算法,利用校准的草稿图结构实现扩散LLM的推测解码,在保持输出分布的同时加速推理,最高减少8.6倍模型推理次数并加速6.3倍令牌生成速率。
2026-06-12 cs.AI cs.CL cs.LG
Conformal Prediction Sets for Next-Token Prediction in Large Language Models: Balancing Coverage Guarantees with Set Efficiency
The ICFAI Foundation for Higher Education(ICFAI高等教育基金会)
本文提出VACP框架,通过语义掩码和温度调整评分,在保证覆盖的前提下显著提升预测集效率,实验证明其在大语言模型下一个标记预测中的有效性。
2025-12-27 cs.AI cs.CL
Confidential Prompting: Privacy-preserving LLM Inference on Cloud
Yale University(耶鲁大学)
针对云托管LLM推理中的用户提示与模型参数隐私泄露风险,本文提出基于机密计算的Petridish系统,通过核心技术安全分区解码(SPD)实现兼顾效率、输出一致性的可审计隐私保护推理。
2025-11-19 cs.CL cs.CR
How Confident are Video Models? Empowering Video Models to Express their Uncertainty
Princeton University(普林斯顿大学)
针对视频生成模型易产生幻觉、缺乏不确定性量化方法的问题,本文提出首个生成式视频模型UQ框架,含评估指标、黑盒方法S-QUBED及专用数据集,实验验证其能有效分解并校准不确定性。
2025-10-02 cs.AI cs.CL cs.CV
SCOPE: Signal-Calibrated On-Policy Distillation Enhancement with Dual-Path Adaptive Weighting
University of Science and Technology of China(中国科学技术大学);Meituan LongCat Interaction Team(美团 LongCat 交互团队);Nanjing University(南京大学);Fudan University(复旦大学);Huazhong University of Science and Technology(华中科技大学)
针对在线策略强化学习中奖励稀疏导致的信用分配难题,提出SCOPE框架,通过双路径自适应加权机制分别处理正确与错误轨迹,实现信号校准的蒸馏增强,在六个推理基准上平均提升11.42%的Avg@32和7.30%的Pass@32。
2026-05-30 cs.AI cs.CL cs.LG
Cautious Next Token Prediction
Northeastern University(东北大学);Adobe(Adobe公司);Case Western Reserve University(凯斯西储大学)
针对 LLM 在不确定问题上标准采样性能不佳的问题,本文提出免训练的 CNTP 解码策略,通过高熵时多路径尝试并选择最低困惑度路径,持续提升 LLM 与 MLLM 表现。
2025-07-23 cs.AI cs.CL cs.LG
What Really Controls Temporal Reasoning in Large Language Models: Tokenisation or Representation of Time?
University of Aberdeen(阿伯丁大学);Université Grenoble Alpes & CNRS(格勒诺布尔阿尔卑斯大学及国家科学研究中心)
本研究通过MultiTempBench验证了大语言模型时间推理的核心因素,发现令牌化质量是资源依赖型瓶颈,同时时间线性度在高资源语言中是主要预测因素,而碎片化在低资源语言中更显著。
2026-03-19 cs.AI cs.CL
TAB-PO: Preference Optimization with a Token-Level Adaptive Barrier for Token-Critical Structured Generation
Yale University(耶鲁大学);Texas State University(德克萨斯州立大学)
针对结构化预测中偏好与拒绝对象仅少数token不同导致的梯度稀释和token侵蚀问题,提出基于混淆感知偏好构建和Token级自适应障碍的TAB-PO方法,在SciERC任务上显著提升关键指标。
2026-08-04 cs.CL
Anuvani-LID: Robust and Calibrated Spoken Language Identification for Indian Languages
Central Institute of Indian Languages(印度语言中央研究院)
针对印度语言识别的不足,提出Anuvani LID专用Conformer模型,在多条件测试中性能远超现有模型,实现高宏F1值与低校准误差。
2026-10-19 cs.CL
Residual Context Diffusion Language Models
University of California, Berkeley(加州大学伯克利分校)
提出残差上下文扩散(RCD)模块,通过回收丢弃令牌的上下文残差提高扩散语言模型的解码效率,在长/短CoT任务上以极少额外计算提升准确率4-11个百分点。
2026-06-15 cs.AI cs.CL
Thought calibration: Efficient and confident test-time scaling
Department of Computer Science(计算机科学系);Massachusetts Institute of Technology(麻省理工学院)
本文提出思维校准方法,通过轻量级探针动态决定推理终止时机,在保持性能的同时将思考令牌减少60%(分布内)和20%(分布外)。
2025-05-23 cs.AI cs.LG
Log-Likelihood, Simpson's Paradox, and the Detection of Machine-Generated Text
Department of Mathematics(数学系);University of Manchester(曼彻斯特大学);Risk and Security AI Lab(风险与安全AI实验室);Visa Inc.(Visa公司)
本文通过分析对数似然信号在隐藏空间中的非均匀性,提出基于贝叶斯决策理论的局部校准方法,改进文本检测性能,揭示现有检测器的不足并提供可扩展的解决方案。
2026-05-07 cs.AI cs.CL cs.LG
Adversarial Entropy Inflation Against Gumbel-Based Inference Verification
Delft University of Technology(代尔夫特理工大学)
该研究针对基于Gumbel的LLM推理验证防御,发现控制提示分布的攻击者可扩大容许token集合,使隐蔽信道泄露能力提升,建议动态校准抖动宽恕阈值。
2026-08-25 cs.AI cs.CR
The Curious Case of Hallucinatory (Un)answerability: Finding Truths in the Hidden States of Over-Confident Large Language Models
Bar-Ilan University(巴伊兰大学);Google Research(谷歌研究院)
本文研究大型语言模型在(不可)回答查询中的幻觉行为,发现模型在隐藏状态中编码查询可回答性,首个解码令牌的表示是强指标,为改进解码技术以增强事实生成提供新方向。
2023-11-12 cs.CL
Calibrated Selective Fact-Checking via Evidence Chain Evaluation
Zhejiang University(浙江大学)
针对大语言模型事实核查的可靠性问题,提出证据链评估框架ECE,通过网络搜索等收集证据并返回结构化裁决。在ECE - Bench上有较好表现,虽总体校准指标未超最强基线,但实现了选择性预测权衡,弃权可处理弱证据。
2026-07-22 cs.AI
Integrating Local and Global Entropy for Uncertainty Quantification in LLMs
Qatar Computing Research Institute, HBKU(卡塔尔计算研究所,哈马德·本·哈利法大学);KTH Royal Institute of Technology(瑞典皇家理工学院)
本文提出GLU方法,通过融合隐藏状态几何熵(全局)和token级熵(局部)来量化LLM不确定性,有效捕捉自信但错误的失败模式,无需额外训练。
2026-06-02 cs.AI cs.LG stat.ML
Just Ask for Calibration: Strategies for Eliciting Calibrated Confidence Scores from Language Models Fine-Tuned with Human Feedback
Harvard University(哈佛大学);Stanford University(斯坦福大学)
本文评估了从RLHF微调的语言模型中提取置信度的方法,发现口头化置信度比模型条件概率校准更好,在多个基准上将预期校准误差相对降低50%。
2023-10-24 cs.CL
Detecting Token-Level Hallucinations Using Variance Signals: A Reference-Free Approach
ThinkAnalytics
提出一种基于多次生成中词元对数概率方差的无参考幻觉检测框架,在SQuAD v2上跨三个模型验证,可有效突出输出不稳定性并适配多领域。
2025-10-16 cs.CL cs.LG
ELMER: A Non-Autoregressive Pre-trained Language Model for Efficient and Effective Text Generation
Renmin University of China(中国人民大学);Université de Montréal(蒙特利尔大学)
本文研究了基于预训练语言模型的文本生成任务。典型地,采用自回归(AR)方法来以逐个令牌的方式生成文本。尽管AR生成有许多优点,但它通常存在推理效率低下的问题。因此,提出了非自回归(NAR)模型来同时生成所有目标令牌。然而,NAR模型通常生成较低质量的文本,由于在输出文本中没有标记依赖性。在本文中,我们提出了ELMER:一个高效和有效的PLM NAR文本生成过程中显式建模的令牌依赖NAR生成。通过利用提前退出技术,ELMER根据其预测置信度在不同层启用令牌生成(更有信心的令牌将在较低层退出)。此外,我们提出了一种新的预训练目标,层排列语言建模,通过顺序排列每个令牌的出口层来预训练ELMER。在三个文本生成任务上的实验表明,ELMER显著优于NAR模型,并进一步缩小了与AR PLM的性能差距(\eg ELMER(29.92)与BART(30.61)ROUGE-L在XSUM中),同时实现了超过10倍的推理加速。
2022-10-28 cs.CL
RKSC: Reasoning-Aware KV Cache Sharing and Confident Early Exit for Multi-Step LLM Inference
Anirudh Sekar(安尼鲁德·塞卡)
提出RKSC框架,通过注意力相似性KV共享、置信门控提前退出和推理选择性块缓存管理,消除多分支LLM推理中的结构冗余,实现平均3.008倍加速,错误率仅0.37%。
2026-06-07 cs.AI cs.CL cs.LG
Finetuning Language Models to Emit Linguistic Expressions of Uncertainty
Google DeepMind(谷歌DeepMind)
本研究通过监督微调使语言模型生成校准的不确定性语言表达,实验表明该方法在问答任务中有效,尤其适用于单主张答案。
2024-09-18 cs.CL cs.LG
Distilled Large Language Model in Confidential Computing Environment for System-on-Chip Design
University of California, Merced(加州大学梅尔德分校)
本文评估了在基于Intel TDX的机密计算环境中运行大语言模型的性能,发现DeepSeek等蒸馏模型及4位/8位量化模型在资源受限条件下表现更优,并验证了其在SoC设计任务中的应用潜力。
2025-07-22 cs.AI cs.CR
Reliable Decision Making via Calibration Oriented Retrieval Augmented Generation
KAIST(韩国科学技术院);Kookmin University(韩国釜山大学)
针对LLM在决策中可能提供错误信息的问题,提出CalibRAG检索方法,通过确保RAG决策校准良好,提升校准性能与准确性。
2025-10-15 cs.AI cs.IR
Momentum for Reasoning: Dense Intrinsic Signals in Policy Optimization
Zhejiang University(浙江大学);The Chinese University of Hong Kong(香港中文大学);Eastern Institute of Technology(东方理工学院)
针对GRPO在长链推理中因二元奖励导致的零优势崩溃和幻觉确定性失败模式,提出ISPO方法,通过内在信号密集化奖励,在三个基模型和五个数学推理基准上持续优于基线。
2026-06-07 cs.AI cs.CL cs.LG
DebUnc: Improving Large Language Model Agent Communication With Uncertainty Metrics
University of California, Santa Barbara(加利福尼亚大学圣巴巴拉分校)
针对大语言模型多智能体辩论中错误自信回答易误导同伴的问题,提出DebUnc框架,通过不确定性指标评估置信度并经改进注意力机制或文本提示传递,显著提升性能。
2025-02-22 cs.AI cs.CL cs.MA
Multiplex Thinking: Reasoning via Token-wise Branch-and-Merge
University of Pennsylvania(宾夕法尼亚大学);Microsoft Research(微软研究院)
多路思考是一种通过令牌级分支-合并机制实现软推理的新方法,能自适应地在离散和连续之间切换,从而在数学推理任务中优于传统CoT和RL基线。
2026-01-13 cs.AI cs.CL cs.LG
GIF: Locally Sound Geometric Information Flow Control for LLMs
Columbia University(哥伦比亚大学)
提出GIF框架,利用LLM雅可比矩阵和局部输出几何上界香农互信息,实现可扩展的信息流追踪,在提示注入和隐私泄露任务中达到近完美召回,且计算成本低。
2026-06-23 cs.AI
HAMburger: Accelerating LLM Inference via Token Smashing
Department of Computer Science University of Chicago(计算机科学系芝加哥大学)
HAMburger通过将多个令牌粉碎为一个KV缓存并每步生成多个令牌,将KV缓存和前向FLOPs的增长从线性转为次线性,实现高达2倍加速且保持质量。
2025-05-26 cs.CL
What Kinds of Tokens Benefit from Distant Text? An Analysis on Long Context Language Modeling
Wangxuan Institute of Computer Technology, Peking University(北京大学王选计算机研究所);School of Intelligence Science and Technology, Peking University(北京大学智能科学与技术学院);School of Electronics Engineering and Computer Science, Peking University(北京大学电子与计算机工程学院)
本文通过分析 token 概率随上下文长度的变化,揭示实词、词首 token、N-gram 与先验知识对长上下文预测的影响及模型过度自信现象。
2024-06-17 cs.CL
Validity-Calibrated Reasoning Distillation
Department of Computer Science(计算机科学系);KAUST(科威特大学)
本文提出有效性校准的推理蒸馏框架,通过动态监督机制优化学习信号分配,提升数学推理、代码生成和指令遵循任务的性能。
2026-10-30 cs.AI cs.LG
Entropy-Gated Selective Policy Optimization:Token-Level Gradient Allocation for Hybrid Training of Large Language Models
Department of Computer Science Anonymous University(计算机科学系 匿名大学)
EGSPO通过token级梯度分配提升大型语言模型的混合训练效果,实现数学推理任务的性能提升并降低计算开销。
2026-02-03 cs.AI cs.LG
GenSpan: Generation-Calibrated Motion Span Priors for Multi-Verb Video Corpus Moment Retrieval
Dalian University of Technology(大连理工大学)
提出GenSpan框架,利用LLM生成辅助视频作为时间先验,结合令牌选择器和双向状态空间模型,提升多动词查询下的视频语料库时刻检索与定位性能。
2026-06-03 cs.AI cs.CV
When Importance Sampling Misallocates Credit: Asymmetric Ratios for Outcome-Supervised RL
The Hong Kong University of Science and Technology(香港科技大学);Kuaishou Technology(快手科技);Tsinghua University(清华大学)
本文揭示了在结果监督强化学习中,重要采样比率因角色转变导致正优势token与负优势token的权重失衡,提出非对称重要采样策略ASPO以纠正此问题,提升训练稳定性与性能。
2026-05-15 cs.CL
STARS: Synchronous Token Alignment for Robust Supervision in Large Language Models
Purdue University(普渡大学);Amazon(亚马逊);Arizona State University(亚利桑那州立大学)
STARS通过同步标记对齐方法提升大语言模型的对齐性能,实现稳健监督和高效系统吞吐。
2026-03-02 cs.CL
Sample Smart, Not Hard: Correctness-First Decoding for Better Reasoning in LLMs
ETH Zurich(苏黎世联邦理工学院);Max Planck Institute for Intelligent Systems(智能系统马克斯·普朗克研究所)
针对大语言模型推理,提出基于正确性而非置信度的解码策略,通过贪心阈值和校准截断方法,在数学和通用推理基准上取得性能提升。
2025-10-07 cs.CL cs.LG
The Mirage of Calibrated Confidence: Trajectory-Independence of Verbalized Confidence in Vision-Language Models
Chung-Ang University(中央大学);Van Lang University(文朗大学)
本研究揭示视觉语言模型的言语化置信度与推理轨迹无关,提出轨迹接地分数(TGS)及TGS-Bench基准,以检测并弥补现有校准评估的盲点。
2026-09-17 cs.AI
Confidence Calibration and Rationalization for LLMs via Multi-Agent Deliberation
University of British Columbia(不列颠哥伦比亚大学);Carnegie Mellon University(卡内基梅隆大学);University of Minnesota(明尼苏达大学)
针对LLM校准差、过度自信的问题,提出无需训练的多智能体协作校准策略Collaborative Calibration,通过群体审议提升生成式问答的置信度校准与预测可靠性。
2024-05-10 cs.CL
TokenPowerSandbox: Evidence-Gated CPU-First Screening for Energy-Aware LLM Serving
TokenPowerSandbox是面向能源感知LLM服务的证据门控CPU优先筛选工作流,结合CPU投影器、GPU探测等技术,在H100上评估Qwen2.5-7B-Instruct,验证了能源与延迟预测的关联及弃权门控的必要性。
2026-08-20 cs.AI cs.AR cs.DC
Explore until Confident: Efficient Exploration for Embodied Question Answering
Princeton University(普林斯顿大学);Stanford University(斯坦福大学);Toyota Research Institute(丰田研究所)
本文提出结合 VLM 视觉提示语义建图与保形预测置信度校准的 EQA 高效探索框架,并构建基于 HM3D 的新数据集,仿真和真实实验均验证其性能与效率提升。
2024-07-07 cs.AI cs.CV cs.LG