early-stopping

ESPO为强化学习引入了一种早期停止机制，能够检测并终止大语言模型中失败的推理轨迹，从而提升数学推理性能，同时减少超过20%的计算量。

本文介绍了 LEAP，这是一种无需训练的方法，旨在通过检测早期收敛令牌来加速扩散语言模型（dLLMs）的推理过程。该方法能在不损失准确性的前提下，将去噪步骤减少 30%。