提出可靠性-不确定性自蒸馏方法RUSD提升LLM推理
热点事件持续更新
提出可靠性-不确定性自蒸馏方法RUSD提升LLM推理
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Jinhao Pan、Bowen Wei、Yuqing Zhou、Ziwei Zhu 等在 arXiv 发表论文，提出 Reliability–Uncertainty Self-Distillation（RUSD）：让同一个大语言模型分别担任教师和学生，从模型自生成的解题尝试中自蒸馏，并按自评判可靠性与学生预测不确定性对蒸馏损失加权。 作者称在十一个推理基准上，RUSD 的平均准确率超过全部五个基线，在 Qwen3-4B 上达到 70.47%、Qwen3-8B 上达到 76.69%，分别比对应基座模型高 8.90 和 2.10 个百分点。数据与代码已开源在 GitHub（JP-25/RUSD）。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
RUSD：通过可靠性—不确定性自蒸馏提升大语言模型推理能力报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv · cs.AIRUSD：通过可靠性—不确定性自蒸馏提升大语言模型推理能力
Jinhao Pan等提出Reliability—Uncertainty Self-Distillation（RUSD），让同一大语言模型分别作为教师和学生，从模型自生成的解题尝试中进行自蒸馏，并根据自评判可靠性与学生预测不确定性加权蒸馏损失。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月15日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。