论文提出多次验证重试弥补小模型压缩损失
热点事件持续更新
论文提出多次验证重试弥补小模型压缩损失
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Tomer Galanti、Josh Susskind 与 Eran Malach 在 arXiv 论文《Fewer Bits, More Tries》中提出：让较小或压缩后的模型多次并行生成答案，再用公开测试或模型生成的测试筛选输出，用推理时计算弥补模型能力损失。 基于论文摘要，7B Qwen 模型进行八次并行尝试后，在 MBPP+ 上基本达到 32B 模型水平，并在其他三个代码生成基准上超过它；该配置使用约 4 倍更少的模型内存，在 Nvidia GPU 上测得最高快 6 倍且能耗更低。作者称具体收益取决于硬件配置和问题设置。
AI 根据报道生成 · 3 小时前更新
最新进展10月14日 12:00
7B Qwen模型通过八次并行尝试在内存受限时恢复代码生成能力报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv · cs.AI7B Qwen模型通过八次并行尝试在内存受限时恢复代码生成能力
研究提出通过多次生成并使用公开测试或模型生成测试筛选结果，以更高的推理时计算弥补较小或压缩模型的能力损失。基于论文摘要，7B Qwen模型进行八次并行尝试后，在MBPP+上基本达到32B模型水平，并在其他三个代码生成基准上超过它；该配置使用约4倍更少的模型内存、最高运行速度快6倍且能耗更低。上述结果在Nvidia GPU上测得，具体收益仍取决于硬件配置和问题设置。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。