提出PGLA框架：成对路径比较校正LLM测试时投票排序

Cong Hua 等在 arXiv 发布论文，提出成对引导的 logit 调整框架 PGLA，用于 LLM 测试时扩展：在支持不同答案的推理路径之间做成对比较，并将比较证据与投票支持结合。作者称该方法可补偿较弱的投票支持、纠正基于投票的答案排序错误。 论文摘要称，在涵盖数学推理、知识推理和代码生成的 10 个基准上，使用参数量从 1.7B 到 32B 的 7 个模型进行了实验，并报告了结合外部奖励评分和在线采样的进一步评估。以上为作者声称，基于论文摘要。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。