热点事件持续更新
论文审视LLM测试时幂采样：未收敛，增益近似Best-of-N
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月12日，arXiv Statistics Machine Learning 发布一手论文《重新审视测试时锐化 LLM 的幂采样》。论文指出，在现实算力预算下，幂采样无法收敛到目标分布 π_α；其收益大多可由配合合适评分的 Best-of-N 复现，说明成功来自选中高概率序列，而非逼近 π_α。为验证该假设，作者通过微调基座模型直接匹配 π_α，结果比现有采样器更忠实逼近目标，但收益呈噪声化，且仅对特定模型和采样任务有效。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
论文称幂采样未收敛至π_α，增益多可由合适评分的Best-of-N复现。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · Statistics Machine Learning重新审视测试时锐化 LLM 的幂采样
论文指出幂采样在现实算力预算下无法收敛到目标分布 π_α，其收益大多可由配合合适评分的 Best-of-N 复现，说明成功来自选中高概率序列而非逼近 π_α。作者通过微调基座模型直接匹配 π_α 验证该假设，虽比现有采样器更忠实逼近目标，收益却呈噪声化且仅对特定模型和采样任务有效。
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。