标签
论文提出 Parallel Power Tempering(PPT)——一种推理时采样方法,它通过在不同的锐化程度下运行多条并行退火链,解决了功率锐化 LLM 采样中的探索-利用权衡问题,其效果优于基于强化学习的后训练,并接近前沿模型的推理性能。