标签
提出SWEAR框架，通过自评难度分数与分阶段强化学习为大型音频语言模型动态分配推理算力，在MMAU-test-mini和MMAR上以更少的生成token实现了更高的准确率。
该论文提出在智能体AI系统中采用自适应推理，根据任务需求动态分配计算资源，通过在MATH-500和GAIA基准测试中的评估来避免过度推理和思考不足。
介绍 SuCo，一种用于大型推理模型的两阶段训练框架，该框架利用最小充分思维链（Minimal Sufficient CoT）的概念，在减少推理令牌数的同时，提高数学、代码和科学基准测试上的准确性。
一款新的30B模型在主流基准测试中与规模大20-30倍的系统匹敌，同时相比同类30/32B智能体大语言模型，使用的推理令牌减少高达95%。这是通过一个学习型配置器实现的，该配置器决定何时以及如何进行推理。模型和代码已开放。
新研究引入了SR²AM，这是一种自调节何时使用模拟推理的配置器，提升了LLM的效率和性能。
本文介绍了条件熵塑造（CES）框架，该框架动态控制LLM中令牌级别的响应熵，以平衡推理深度和简洁性，在数学基准测试上实现更高的准确率同时缩短响应长度。
LEAD通过使用正确性-效率权衡的在线校准和自适应的问题特定长度目标，在训练过程中动态调整推理效率，提高了数学推理的准确性并减少了输出长度。
研究人员推出了 x1，这是一类推理模型家族，能够针对每个具体实例自适应地选择最优语言进行推理，证实了在多语言及文化相关任务中，语言选择会对推理质量产生影响。