热点事件持续更新
研究团队提出免训练模型合并框架LHM以提升短链推理效率
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
2026年11月4日，arXiv发布研究论文，研究团队提出了面向高效长到短推理的免训练模型合并框架LHM。该框架利用轻量级二阶曲率信息，旨在优化长链式推理向简短推理风格的转换。针对参数位移引起的损失问题，LHM通过低秩Hessian近似与双重约束系数映射，实现了层自适应融合。在1.5B与7B模型的6个数学基准测试中，采用LHM后准确率提升超过4%，同时相对长CoT模型的输出长度缩减高达93.1%。
AI 根据报道生成 · 15 小时前更新
最新进展11月4日 13:00
研究团队提出免训练模型合并框架LHM，测试显示输出长度缩减高达93.1%且准确率提升超4%。报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv 人工智能面向高效长到短推理的低秩分层模型合并框架 LHM
研究团队提出免训练模型合并框架 LHM，利用轻量级二阶曲率信息优化长链式推理向简短推理风格的转换。该方法通过低秩 Hessian 近似与双重约束系数映射，解决参数位移引起的损失问题并实现层自适应融合。在 1.5B 与 7B 模型的 6 个数学 benchmark 测试中，LHM 准确率提升超 4%，相对长 CoT 模型输出长度缩减高达 93.1%。
本事件热度走势
当前热度 7·可比范围峰值 10（11月4日 14:00）·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。