跳到正文
热点事件持续更新

研究揭示分层语言模型无需微调温度即可呈现幂律关联

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

2026年10月20日,arXiv机器学习领域发布最新研究,研究人员通过定树有限深度概率上下文无关文法与置信传播,构建了自回归采样中温度影响的可控模型。测试结果显示,token间的两点互信息在不同采样温度下始终保持幂律包络,温度改变仅影响关联强度与拟合指数,并未出现有序相的长距离平台或短程指数衰减。此外,该研究通过树上Ising模型映射证实,仅凭分层结构即可让树距离上的指数衰减转化为token距离上的幂律关联,表明该机制无需温度微调临界性即可产生幂律关联。

AI 根据报道生成 · 4 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月20日
  1. arXiv 机器学习
    定树分层语言中无需温度微调临界性的幂律关联研究

    研究人员通过定树有限深度概率上下文无关文法与置信传播,构建了自回归采样中温度影响的可控模型。测试显示 token 间的两点互信息在不同温度下始终保持幂律包络,温度仅改变关联强度与拟合指数,未出现有序相的长距离平台或短程指数衰减。研究通过树上 Ising 模型映射,证实仅凭分层结构即可让树距离上的指数衰减转化为 token 距离上的幂律关联。

本事件热度走势

当前热度 9·可比范围峰值 9(10月20日 14:00)·近 24 小时可比范围变化 –

02.557.51010月20日14:0010月20日15:0010月20日16:0010月20日17:00

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。