大模型推理能力

Zero-Overhead Introspection for Adaptive Test-Time Compute

无开销的适应性测试时间计算 introspection

Rohin Manvi, Joey Hong, Tim Seyde, Maxime Labonne, Mathias Lechner, Sergey Levine

机构 * UC Berkeley（加州大学伯克利分校） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Liquid AI 纠错

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

AI总结 ZIP-RC通过无开销的实时自我反省预测奖励和成本，提升推理效率和准确性。

Explainable time-series forecasting with sampling-free SHAP for Transformers

基于Transformer的无采样SHAP可解释时间序列预测

Matthias Hertel, Sebastian Pütz, Ralf Mikut, Veit Hagenmeyer, Benjamin Schäfer

机构 * Institute for Automation and Applied Informatics (IAI)（自动化与应用信息学院） ； Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院） 纠错

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

AI总结 本文提出基于Transformer架构的SHAPformer模型，通过无采样注意力机制实现快速且准确的时间序列预测解释，适用于电力负荷等实际场景。