提出长度条件多数投票方法LCMV

Fiorenzo Parascandolo等作者在arXiv发布论文，提出长度条件多数投票（LCMV），一种基于Test-Time Training的大语言模型推理改进方法。该方法利用“较长思维链往往正确率较低”的经验观察，用简单逻辑函数表示这一关系，并在测试时仅用无标签测试数据自适应调整长度先验，对多数投票加权，不微调大语言模型。 作者称，在多个模型和推理基准上的大量实验显示，LCMV一致优于标准多数投票及现有基于长度和置信度的聚合策略。代码已发布于 https://github.com/aimagelab/LCMV。上述效果为作者声称的实验结果，本站未独立复现。

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。