arXiv · cs.AI· Taro Yano, Yoichi Ishibashi, Masafumi Oyamada·· 6 小时前
尾部竞争解释可验证问题中 Best-of-N 采样的缩放规律
Tail Competition Explains Scaling in Best-of-N Sampling for Verifiable Problems
arXiv:2610.19362v1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：Taro Yano, Yoichi Ishibashi, Masafumi Oyamada
研究任务与主要进展
基于论文摘要，研究者将 Best-of-N 采样建模为正确与错误响应在极端奖励尾部之间的竞争，刻画了正确尾部占优、错误尾部占优和临界三种渐近区域，并解释了单调收益与 reward hacking 导致的性能退化。其有限样本分析显示，在高斯奖励下，即使错误响应均值更低，过大的方差也可能使其主导选择；研究还提出 tail-tension 判据，用于估计增加采样何时可能有害。
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