arXiv · cs.AI· Daisuke Oba, Hiroki Furuta, Naoaki Okazaki·· 1 天前
BCT：面向流语言模型的贝叶斯一致温度调节
BCT: Bayes-Consistent Tempering for Flow Language Models
arXiv:2610.27641v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Daisuke Oba, Hiroki Furuta, Naoaki Okazaki
研究任务与主要进展
研究作者提出贝叶斯一致温度调节（BCT），将温度显式纳入流语言模型的生成分布和传输动力学，并在指定模型与温度范围内提升GSM8K生成表现。学习式BCT通过在调温后的中间状态上训练去噪器并对终点分布应用相应动力学，在极低温下比训练免变体更稳健，收益也扩展到Sudoku约束生成；代码和模型权重可通过 https://daioba.github.io/bct 获取。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org