论文Agent 与开发者14:05论文:轮次级 Best-of-N 采样提升 LLM 智能体长程任务表现让智能体每轮先出 N 个候选动作再挑一个,实测准确率提升 5-10%,做 Agent 的可以看看这套推理时扩展思路。#LLM#智能体#推理时扩展#Best-of-NaarXiv cs.AI@Jalaj Bhandari 等 8 人原文稍后读已读值得跟进有用关注 LLM
论文13:36百万参数排序模型做个性化生成,打分延迟降低四个数量级这几个作者发现个性化生成其实卡在匹配而不是生成能力上,用不到0.4%参数的小 MLP 就把十亿级 reward model 全线打过了,思路很值得琢磨。#测试时对齐#reward model#个性化生成#Best-of-NaarXiv cs.LG@Qiyao Ma 等 3 人原文稍后读已读值得跟进有用关注 测试时对齐