arXiv · cs.AI· Fangzhou Lin, Zilin Dai, Shuo Xing, Peiran Li, Siyuan Yang, Qianwen Ge, Kazunori Yamada, Yang Zhou, Ziming Zhang, Haichong Zhang, Zhengzhong Tu·· 5 小时前
AdaptFuse：无需训练的外部贝叶斯计算序列偏好推断框架
AdaptFuse: Training-Free Sequential Preference Inference via Externalized Bayesian Computation
arXiv:2604.03925v2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：Fangzhou Lin, Zilin Dai, Shuo Xing, Peiran Li, Siyuan Yang, Qianwen Ge, Kazunori Yamada, Yang Zhou, Ziming Zhang, Haichong Zhang, Zhengzhong Tu
研究任务与主要进展
研究提出AdaptFuse，一种无需训练的大语言模型序列偏好推断框架：由符号模块维护离散假设集上的贝叶斯后验，冻结LLM通过多样本Dirichlet聚合提供语义推理，再按预测置信度进行熵自适应融合。
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