热点事件持续更新
Power-SMC：免训练序列级幂采样加速LLM推理
1 篇报道1 个报道来源16 小时前 更新
先了解这件事
AI 综述
2026年10月5日，arXiv（Statistics Machine Learning，一手）报道研究者提出 Power-SMC，一种免训练采样方法，面向与 Metropolis–Hastings 采样相同的序列级幂分布，同时保持接近标准解码的延迟。该方法并行维护多条候选序列，用重要性权重打分并周期性剪枝；理论证明采样温度 τ=1/α 可唯一消除逐步权重方差。目前公开信息仅含该论文报道，尚无后续验证或复现结果。
AI 根据报道生成 · 16 小时前更新
最新进展10月5日 12:00
arXiv新报道提出Power-SMC，免训练实现序列级幂采样且延迟接近标准解码。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv · Statistics Machine LearningPower-SMC：面向免训练 LLM 推理的低延迟序列级幂采样
研究者提出 Power-SMC，一种免训练采样方法，面向与 Metropolis–Hastings 采样相同的序列级幂分布，同时保持接近标准解码的延迟。该方法并行维护多条候选序列，用重要性权重打分并周期性剪枝，理论证明采样温度 τ=1/α 可唯一消除逐步权重方差。
本事件热度走势
当前热度 7·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –
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。