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。
本文提出BayesPO,一种使用梯度引导离散MCMC与并行回火的贝叶斯提示优化框架,在指令归纳任务上提升了准确率。