大模型推理能力

Multiplex Thinking: Reasoning via Token-wise Branch-and-Merge

多路思考：通过令牌级分支-合并进行推理

Yao Tang, Li Dong, Yaru Hao, Qingxiu Dong, Furu Wei, Jiatao Gu

专题命中 数学推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；math reasoning(abstract)

AI总结 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。

Comments 21 pages. Code available at https://github.com/GMLR-Penn/Multiplex-Thinking

Large Language Models and Algorithm Execution: Application to an Arithmetic Function

大语言模型与算法执行：应用于一个算术函数

Farah Ben Slama, Frédéric Armetta

专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出LLM-DAL模型，通过专门训练提升大语言模型执行算法的能力，应用于算术函数的推理与泛化。

ICPO: Intrinsic Confidence-Driven Group Relative Preference Optimization for Efficient Reinforcement Learning

ICPO：内在置信度驱动的群体相对偏好优化用于高效强化学习

Jinpeng Wang, Chao Li, Ting Ye, Mengyuan Zhang, Wei Liu, Jian Luan

机构 * MiLM Plus, Xiaomi Inc.（小米公司） 纠错

专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI

AI总结 ICPO通过内在置信度驱动的群体相对偏好优化，提升大型语言模型的推理能力，有效解决粗粒度奖励和奖励噪声问题，增强高质量响应的相对优势。