标签
ThinkV2V 提出一个推理驱动的框架，在视觉生成之前激活 MLLM 的思考过程，用于指令引导的视频编辑。该框架采用 MLLM-to-DiT 架构，结合渐进式课程训练与推理时思维扩展技术。作者还发布了 ThinkV2V-150K 数据集和 ThinkV2V-Bench，实验表明其 5B 规模的 DiT 模型性能超越了更大的 10B 基线模型。
本文系统研究了循环语言模型（LoopLMs）中递归机制在何时能发挥作用，发现额外的递归可以提升超出训练时域范围的推理能力，但会削弱知识保持效果，并提出一种结合时间步条件化的通道级历史状态注入方案，作为在可变推理预算下更稳健的设计策略。
本文分析了大型AI代理群体的能力和扩展动态，引用了OpenAI的最新示例，并讨论了它们作为推理扩展新形式的潜力。
本文介绍了AI文本生成的推理扩展技术，如温度缩放、top-p过滤和自一致性，旨在通过多样化采样和多数投票将答案准确率提高两倍以上。
本集播客讨论了AI token经济学和新兴问题‘tokenflation’，重点讨论如何衡量AI token的价值、基准测试的局限性以及AI效率的未来创新。
该论文提出了一种名为 Tail-Likelihood Reinforcement Learning (TailRL) 的优化方法，该方法专注于奖励分布的上尾部分，以改善生成任务中的策略性能，并在多种应用中进行了演示。
一篇新论文显示，通过自洽性等方法扩展推理计算提高了LLM在数学和代码上的准确性，但在没有外部验证器的领域未能提高真实性，因为模型错误过于相关。
本文提出GradeSQL框架，使用结果奖励模型(ORM)进行Text-to-SQL的测试时验证，在BIRD和Spider基准上分别比基于执行的Best-of-N方法提升4.33%和2.10%。
Sebastian Raschka宣布其著作《Build a Reasoning Model (From Scratch)》在历时18个月的工作后正式发布，内容涵盖推理扩展、强化学习和从头开始的蒸馏技术。
本文介绍了论文助手工具（PAT），这是一种用于深度科学评审的代理型AI框架，利用推理缩放技术识别数学错误及其他缺陷，在召回率上比零样本方法提升了34%。在STOC和ICML的试点部署表明，它能够在提交前捕捉关键错误，减轻人类审稿人的负担。
解读 OpenAI 研究员 Noam Brown 的观点：LLM 的真实能力天花板远高于当前基准测试显示的水平，因为 test-time compute 投入不足，而更强的模型从额外计算中获益更大。这对 AI 安全评估提出了严峻挑战，因为许多危险能力可能只在长时间、高计算预算下才显现。
提出UniScale，一种在线框架，通过上下文多臂老虎机优化统一模型路由和测试时扩展，以在LLM推理中实现更好的质量-成本权衡。
本文介绍了反思增强缩放（RAS）方法，该方法利用失败Cypher查询的执行反馈，通过上下文学习迭代优化查询生成，在多个数据集和模型上将执行错误率降低了41-50%。
介绍了Ethical Immanence，一种新型AI对齐范式，通过损失函数正则化和元认知检测将道德行为嵌入模型架构，为开源LLM带来更低成本和内在稳定性。
本文研究了语言模型后训练期间输出多样性崩溃的位置和原因，分析了三个 OLMo 3 训练线（Think、Instruct、RL-Zero）在多个任务和指标上的表现。研究发现多样性崩溃主要由训练数据组成决定，并在训练期间嵌入到模型权重中，仅通过推理时调整无法解决。
一篇回顾 DSPy 框架架构的帖子，该框架围绕签名、模块和优化器构建，并指出它自 2022 年以来仍在持续增长。
# 论文页面 - (1D) 有序词元实现高效测试时搜索 来源：[https://huggingface.co/papers/2604.15453](https://huggingface.co/papers/2604.15453) ## 摘要 具有“粗到细”词元结构的自回归模型在测试时扩展上表现更佳，并在与图文验证器结合后，实现无需训练的文本到图像生成。 [词元化](https://huggingface.co/papers?q=Tokenization) 是自回归（AR）生成模型的关键组件，将原始