Efficient Best-of-N policy evaluation for inference-time alignment
Get the story
2026年10月8日，arXiv 机器学习理论方向发布一篇关于推理时对齐中 Best-of-N（BoN）策略高效评估的论文。论文提出一种仅需样本的框架，用于在无法获得响应似然的条件下评估与选择 BoN 策略。该方法利用 BoN 的顺序统计结构，将密度比表示为可由样本估计的 score-rank 概率，并构建可跨候选预算复用共享辅助样本池的双重稳健估计器 BoN-DR。在合成实验与 GSM8K 上，该框架能准确估计 BoN 策略价值并选出有效采样预算。目前报道仅涉及该论文内容，尚无后续验证或应用进展。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning Theory推理时对齐的 Best-of-N 策略高效评估方法
论文提出一种仅需样本的框架，用于在无法获得响应似然的条件下评估与选择 Best-of-N（BoN）策略。研究利用 BoN 的顺序统计结构，将密度比表示为可由样本估计的 score-rank 概率，并构建可跨候选预算复用共享辅助样本池的双重稳健估计器 BoN-DR。在合成实验与 GSM8K 上，该框架能准确估计 BoN 策略价值并选出有效采样预算。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.