arXiv · cs.AI· Wei Xia, Yehui Tang, Zhi-Hong Deng·· 1 天前
EMO：通过交替上下文优化与 Logits 引导实现闭环测试时计算
EMO: A Closed-Loop Test-Time Computation Framework via Alternating Context Optimization and Logits Steering
arXiv:2610.22160v1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：Wei Xia, Yehui Tang, Zhi-Hong Deng
研究任务与主要进展
作者提出训练无关的 EMO 框架，通过交替执行问题特定的上下文估计和分布优化，在测试时同时调整上下文并利用置信度约束的 logit 修正引导生成。
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