奖励模型尾部校准能预警搜索预算风险:代码生成是唯一出现回落的领域
Best-of-N 推理按代理奖励挑最高分候选,预算越大越只读取奖励分布的极端尾部,因此平均排序指标看不出部署风险。研究把 BoN 值写成条件真实奖励在提示内分数分位上的 Beta 加权积分,说明 BoN 只依赖分数排名,且只有尾部校准曲线下弯时才会下降。在公开候选池上,负的尾部超额集中在代码生成任务,交叉拟合的尾部统计量能预测预算上限在留出数据上是否带来收益,效果与排序准确率相当。
Best-of-N 推理按代理奖励挑最高分候选,预算越大越只读取奖励分布的极端尾部,因此平均排序指标看不出部署风险。研究把 BoN 值写成条件真实奖励在提示内分数分位上的 Beta 加权积分,说明 BoN 只依赖分数排名,且只有尾部校准曲线下弯时才会下降。在公开候选池上,负的尾部超额集中在代码生成任务,交叉拟合的尾部统计量能预测预算上限在留出数据上是否带来收益,效果与排序准确率相当。
该工作指出语言模型式的token级MoE在视频扩散中会陷入“均匀性陷阱”——语义组织不足叠加均匀专家使用正则,使同一物体的相邻patch被分散到不同专家,造成路由碎片化与结构失真;为此提出SplitMoE,把专家池拆为语义专家与通用专家,用原型引导路由和pull-push正则让token按语义属性自然聚类,在激活参数预算相同时于VBench-2.0与T2V-CompBench上优于传统负载均衡MoE,并观察到语义专家权重在早期高噪声阶段(约第10–15步)达到峰值、随后转向通用专家的由粗到细去噪规律。
该工作提出 NeuroSymb-MRG 框架,把图像特征映射为概率化临床概念,用可微逻辑层(乘积 t-范数 AND、概率和 OR、可学习门控 α)组合多跳溯因推理链,经规则解码器填入约 120 个模板并叠加检索证据与受限 LLM 改写,再用基于规则级预测熵(5 次 MC-dropout)与 k-center 多样性的主动采样(每轮 k=16)驱动临床医生在环审核;在 IU X-ray 与 MIMIC-CXR 上,BLEU-1 至 BLEU-4、ROUGE-L、METEOR 均优于所列代表性基线,例如 IU X-ray BLEU-1 为 0.602、MIMIC-CXR BLEU-1 为 0.487。
本文研究定义在Stiefel流形上、目标为迹形式二次分式的广义迹比问题(GTRP),基于新建立的矩阵S-引理证明:若先添加冗余约束XXT⪯I_n并做良好缩放得到等价问题(GRS),则其拉格朗日对偶间隙为零;而单独添加冗余约束(GR)或单独缩放(GS)以及原问题(GTRP)本身都可能存在正的拉格朗日对偶间隙。
该工作以多智能体抽取流程从5,597篇文献中整理出腐蚀抑制剂数据集,包含经人工核验的IE_datasets.xlsx、由大模型抽取的json_extracted.zip以及用于建模的IE_PH_4_materials.xlsx,字段覆盖文献信息、抑制剂名称与组成、阳极/阴极/混合类型、成膜机制、SMILES、腐蚀材料及其牌号与热处理、腐蚀介质与浓度温度、以及测试温度、时间、抑制剂浓度、测试方法与缓蚀效率百分比。
已读完全部报道