论文提出ESTP：熵与语义表示用于LLM输出长度预测
热点事件观察中
论文提出ESTP：熵与语义表示用于LLM输出长度预测
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Feiyang Ren等作者发布论文，提出轻量级框架ESTP（Entropy-and-Semantic Token Pooling），将熵表示与基于注意力的语义表示结合，用于改进LLM输出长度预测。该方法在prefill阶段直接生成两类表示，据作者称相比使用外部辅助模型的方法仅增加可忽略的推理延迟和内存开销。 基于论文摘要：在ForeLen基准上，ESTP在多数场景下获得更高预测准确率和更低预测误差；集成到长度感知调度器后，端到端系统测试显示其进一步提升整体吞吐并降低填充率。以上均为作者声称，本事件尚处论文发布阶段，未有独立复现。
AI 根据报道生成 · 11 小时前更新
最新进展10月20日 12:00
ESTP融合熵与语义表示改进LLM输出长度预测报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AIESTP融合熵与语义表示改进LLM输出长度预测
基于论文摘要，作者提出轻量级ESTP框架，将熵表示与基于注意力的语义表示结合，用于改进LLM输出长度预测。该方法在prefill阶段直接生成两类表示，相比使用外部辅助模型的方法仅增加可忽略的推理延迟和内存开销；在ForeLen基准中，ESTP在多数场景下获得更高预测准确率和更低预测误差。集成到长度感知调度器后，端到端系统测试显示其进一步提升整体吞吐并降低填充率。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 610月21日 04:00
- 近 24 小时变化
- –
02468
04:0006:0008:0010:0012:0014:00
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。