热点事件持续更新
研究揭示测试时数学推理预算边界效应
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1日，arXiv发布的一项研究基于AIME、BrUMO和HMMT的19,200条轨迹，评估了测试时数学推理在累积token预算上限处的策略差异。研究对比了达到上限时采取严格停止与允许完成的建议性策略，发现在4k上限下，建议性停止可避免严格停止浪费未完成的前缀计算，进而将弃权转化为正确答案。实际成本对比表明，在低配置下建议性4k的准确率高于严格8k，且候选覆盖率增加并不必然提升最终准确率。
AI 根据报道生成 · 4 小时前更新
最新进展10月1日 12:00
研究显示测试时数学推理采用建议性停止策略在4k预算下准确率优于严格8k。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv 人工智能测试时数学推理中的预算边界效应研究
一项研究基于 AIME、BrUMO 和 HMMT 的 19,200 条轨迹，评估了测试时数学推理在累积 token 预算上限处采取严格停止与允许完成的建议性策略的差异。在 4k 上限下，建议性停止可将弃权转化为正确答案，避免严格停止浪费未完成的前缀计算。实际成本对比显示低配置下建议性 4k 准确率高于严格 8k，且候选覆盖率增加并不必然提升最终准确率。
本事件热度走势
当前热度 9·可比范围峰值 10（10月1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。