大模型推理能力

The Art of Scaling Test-Time Compute for Large Language Models

为大语言模型扩展推理时的计算艺术

Aradhye Agarwal, Ayan Sengupta, Tanmoy Chakraborty

机构 * Microsoft Research（微软研究院） ； Indian Institute of Technology Delhi（印度德里理工学院） 纠错

专题命中 测试时计算 ：test-time compute(title)；reasoning(abstract)；分类 cs.CL

AI总结 本文研究了大语言模型推理时计算扩展策略的优化，发现不同模型类型和问题难度对性能有显著影响，并提出了基于计算预算的选择策略。

DPRM: A Dual Implicit Process Reward Model in Multi-Hop Question Answering

DPRM: 多跳问答任务中的双隐式过程奖励模型

Xinyi Wang, Yiping Song, Zhiliang Tian, Bo Liu, Tingjin Luo, Minlie Huang

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

AI总结 DPRM通过双隐式过程奖励模型提升多跳问答任务的推理准确性与一致性。

Outcome-based Reinforcement Learning to Predict the Future

基于结果的强化学习用于预测未来

Benjamin Turtel, Danny Franklin, Kris Skotheim, Luke Hewitt, Philipp Schoenegger

机构 * Lightning Rod Labs ； Stanford University（斯坦福大学） ； London School of Economics and Political Science（伦敦政治经济学院） 纠错

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

AI总结 本文提出基于结果的强化学习方法，通过训练紧凑模型提升预测准确性并增强概率校准，实验证明其在预测市场中的实际应用价值。

Teaching by Failure: Counter-Example-Driven Curricula for Transformer Self-Improvement

通过失败教学：基于反例的课程学习以提升Transformer自改进能力

Harshil Vejendla

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

AI总结 本文提出基于反例的课程学习方法CEDC，通过迭代聚焦模型自身失败来提升Transformer模型在复杂输入下的鲁棒性和外推能力。

Comments AACL 2025 Findings

Auxiliary-Hyperparameter-Free Sampling: Entropy Equilibrium for Text Generation

辅助超参数-free采样：信息论视角下的文本生成熵平衡

Xiaodong Cai, Hai Lin, Shaoxiong Zhan, Weiqi Luo, Hong-Gee Kim, Hongyan Hao, Yu Yang, Hai-Tao Zheng

机构 * Meituan（美团） 纠错

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

AI总结 本文提出熵平衡采样方法，通过信息论原理实现无超参数调优的文本生成，提升生成质量和多样性。

EDIT: Early Diffusion Inference Termination for dLLMs Based on Dynamics of Training Gradients

EDIT：基于训练梯度动态的早期扩散推理终止用于dLLMs

He-Yen Hsieh, Hong Wang, H. T. Kung

机构 * CISPA ； Harvard University（哈佛大学） ； Intel Corporation（英特尔公司） 纠错

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

AI总结 EDIT通过利用训练梯度动态，在保持准确性的同时减少dLLM推理步骤，提升效率。

Comments 22 pages, 11 figures

Checklists Are Better Than Reward Models For Aligning Language Models

检查表比奖励模型更能对齐语言模型

Vijay Viswanathan, Yanchao Sun, Shuang Ma, Xiang Kong, Meng Cao, Graham Neubig, Tongshuang Wu

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出基于检查表反馈的强化学习方法，通过灵活的指令特定准则提升语言模型的指令遵循能力，在多个基准测试中均取得性能提升。

Comments Presented at NeurIPS 2025