大模型推理能力

Inference-Aware Fine-Tuning for Best-of-N Sampling in Large Language Models

为大型语言模型的最佳-N采样进行推理感知微调

Yinlam Chow, Guy Tennenholtz, Izzeddin Gur, Vincent Zhuang, Bo Dai, Sridhar Thiagarajan, Craig Boutilier, Rishabh Agarwal, Aviral Kumar, Aleksandra Faust

专题命中 测试时计算 ：verifier(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出了一种推理感知微调方法，通过改进最佳-N采样策略提升大型语言模型的性能和推理效率。

Personalized Image Generation for Recommendations Beyond Catalogs

推荐超越目录的个性化图像生成

Gabriel Patron, Zhiwei Xu, Ishan Kapnadak, Felipe Maia Polo

机构 * University of Michigan（密歇根大学） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI、cs.LG

AI总结 REBECA通过直接学习隐含反馈信号实现高效个性化图像生成，无需微调扩散模型，提升大规模用户群体的个性化效果。

Progress by Pieces: Test-Time Scaling for Autoregressive Image Generation

分块进展：用于自回归图像生成的测试时扩展

Joonhyung Park, Hyeongwon Jang, Joowon Kim, Eunho Yang

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI

AI总结 GridAR通过网格分区逐步生成和布局指定提示重述策略，在有限测试时扩展下提升视觉自回归模型的生成质量与编辑效果。

Comments Project page: https://grid-ar.github.io/

Prompt Engineering Techniques for Context-dependent Text-to-SQL in Arabic

针对阿拉伯语上下文依赖文本到SQL的提示工程技术

Saleh Almohaimeed, May Alsofyani, Saad Almohaimeed, Mansour Al Ghanim, Liqiang Wang

机构 * Department of Computer Science University of Central Florida Orlando, Florida, USA（计算机科学系 佛罗里达中央大学 奥兰多分校） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.CL

AI总结 本文提出Ar-SParC数据集及GAT corrector方法，通过提示工程技术提升阿拉伯语文本到SQL任务的性能。

Comments Accepted at IJCNN 2025 (to appear in IEEE/IJCNN proceedings). This arXiv submission corresponds to the camera-ready version