热点事件持续更新
研究提出LLM推理测试时扩展算法CF-Beam
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1日，相关研究针对大语言模型（LLM）推理提出了置信度过滤束搜索算法（CF-Beam），为基于 Beam Search 的测试时计算扩展提供理论保证。该算法将经典 Beam Search 的样本覆盖依赖从二次降低至近线性，且误差随序列长度仅呈多项式级扩展，显著优于误差呈指数级增长的 Best-of-N 算法。数值实验进一步证实，CF-Beam 方法在长推理周期和高难度任务场景下展现出更优的鲁棒性。
AI 根据报道生成 · 4 小时前更新
最新进展10月1日 12:00
研究提出CF-Beam算法，为LLM推理测试时扩展提供理论保证及更高鲁棒性。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv 机器学习LLM 推理中 Beam Search 的可证明测试时扩展
研究针对 LLM 推理提出置信度过滤束搜索（CF-Beam），为基于 Beam Search 的测试时计算扩展提供理论保证。CF-Beam 将经典 Beam Search 的样本覆盖依赖从二次降至近线性，且误差随序列长度 $L$ 仅呈多项式级扩展，显著优于呈指数级增长的 Best-of-N。数值实验证实，该方法在长推理周期和高难度任务下更具鲁棒性。
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。