热点事件持续更新
学者提出LLM树搜索预算分配框架UAA
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月19日，研究者在arXiv发表论文，提出面向高效大语言模型（LLM）树搜索的免训练框架Uncertainty-Aware Allocation（UAA）。该框架通过兄弟动作的语义分散度预估不确定性，以此动态分配树搜索的扩展预算，在无需额外模型开销的情况下实现不确定性感知剪枝与预算控制。在数学推理、逻辑推理与规划基准测试中，UAA在保持相当精度的同时，将token消耗降低最高90%，延迟降低最高9倍。
AI 根据报道生成 · 3 小时前更新
最新进展10月19日 12:00
研究者提出免训练框架UAA，在保持推理精度的同时最高降低90% token消耗与9倍延迟。报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv 自然语言处理面向高效 LLM 树搜索的不确定性感知预算分配方法
研究者提出免训练框架 Uncertainty-Aware Allocation（UAA），通过兄弟动作的语义分散度预估不确定性，动态分配大语言模型（LLM）树搜索的扩展预算。UAA 实现了不确定性感知剪枝与预算控制，无需额外模型开销。在数学推理、逻辑推理与规划基准测试中，UAA 在保持相当精度的同时，将 token 消耗降低最高 90%，延迟降低最高 9x。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。