arXiv · cs.AI· Fiorenzo Parascandolo, Enver Sangineto, Xiaoyi Yu, Wenhui Tan, Jipei He, Ruihua Song, Rita Cucchiara·· 6 小时前
长度条件多数投票（LCMV）通过测试时自适应长度先验改进大语言模型推理
Frustratingly Easy Majority Voting Using Length Conditioning
arXiv:2610.19890v1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：Fiorenzo Parascandolo, Enver Sangineto, Xiaoyi Yu, Wenhui Tan, Jipei He, Ruihua Song, Rita Cucchiara
研究任务与主要进展
研究提出长度条件多数投票（LCMV），在测试时利用无标签数据自适应建模并用长度先验加权多数投票，以改进大语言模型推理。方法用简单逻辑函数表示较长思维链与较低正确率之间的关系，不微调大语言模型；作者在多个模型和推理基准上报告其优于标准多数投票及现有长度、置信度聚合策略，代码已提供于 https://github.com/aimagelab/LCMV。
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