KACE：按题目难度自适应分配推理预算的数学推理方法

Jayant Parashar与Suchendra M. Bhandarkar在arXiv论文中提出KACE（知识自适应上下文工程），用于数学推理：对每道题同时决定投入多少推理预算，以及呈现哪些学习到的知识。 方法采用固定的分层自洽调度（依次2、3、5个样本，配合一致性门控），简单题目在两个样本一致后即可退出。作者称在MATH-HARD上，KACE达到77.3%，高于Best-of-5自洽的72.7%，且求解器调用次数更少。上述数字为论文作者的声称。

AI 根据报道生成 · 3 小时前更新