热点事件持续更新
研究团队提出双曲熵引导方法HEST提升大模型数学推理
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月5日，研究团队在arXiv发表研究，提出双曲熵引导方法HEST。该方法基于“犹豫具有几何特征”的发现，利用以模型自身next-token熵训练的轻量双曲探针，仅在模型高熵的关键token处实施稀疏激活干预。实验显示，在Qwen2.5-Math与Llama-3.1系列模型上，HEST在MATH-500和GSM8K基准评测中将贪婪解码准确率最高提升了1.8个百分点，尤其在模型频繁犹豫的复杂题目上提升效果最为显著。
AI 根据报道生成 · 4 小时前更新
最新进展10月5日 12:00
研究团队提出HEST方法，在MATH-500和GSM8K评测中将模型贪婪解码准确率最高提升1.8个百分点。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv 机器学习犹豫具有几何特征：用于稀疏激活引导的熵训练双曲探针
研究团队提出双曲熵引导方法 HEST，利用以模型自身 next-token 熵训练的轻量双曲探针，仅在模型高熵的关键 token 处进行稀疏激活干预。在 Qwen2.5-Math 与 Llama-3.1 系列模型上，HEST 在 MATH-500 和 GSM8K 评测中将贪婪解码准确率最高提升 1.8 个百分点，且在模型频繁犹豫的题目上提升最为显著。
本事件热度走势
当前热度 9·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。