latent-variable

LeAct 提出了一种方法，通过将链式思维（CoT）视为潜在变量，仅保留那些能显著提高学生复现专家动作概率的 CoT，从而从静默专家动作中恢复链式思维推理。在游戏和机器人任务中，该方法优于各类基线。

本文提出了一种方法，利用潜变量将语言模型的响应分布分解为结构化的、策略条件化的表示，并通过模型导向的重建目标来解决后验塌陷问题。

本文介绍了生成式递归推理模型（GRAM），这是一个概率框架，通过支持随机潜在轨迹、多个假设以及通过深度和并行采样实现推理时缩放，扩展了递归推理模型。