大模型推理能力

On the Limits of Test-Time Compute: Sequential Reward Filtering for Better Inference

在测试时间计算的极限：用于更好推理的顺序奖励过滤

Yue Yu, Qiwei Di, Quanquan Gu, Dongruo Zhou

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

AI总结 本文提出顺序奖励过滤方法，通过选择高奖励生成物优化测试时间计算，提升大语言模型的推理性能。

Comments 45 pages, 6 figures, 3 tables

ADAPT: Learning Task Mixtures for Budget-Constrained Instruction Tuning

ADAPT：为预算受限的指令微调学习任务混合

Pritam Kadasi, Abhishek Upperwal, Mayank SIngh

机构 * Lingo Research Group, Indian Institute of Technology Gandhinagar（林戈研究组，印度理工学院冈德hinagar分校） ； Soket AI（Soket人工智能） 纠错

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

AI总结 ADAPT通过学习任务采样比例优化预算受限的指令微调，提升下游任务性能并更高效地分配训练资源。

Comments Under Review