提出免训练序列偏好推断框架AdaptFuse
热点事件持续更新
提出免训练序列偏好推断框架AdaptFuse
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
Fangzhou Lin 等作者提出一个名为 AdaptFuse 的免训练框架，用于序列偏好推断。该框架把概率计算从大语言模型中外置：由一个符号模块在离散假设集上维护贝叶斯后验，冻结的 LLM 则通过多样本 Dirichlet 聚合提供语义推理，两者按预测置信度进行熵自适应融合加权。这是论文作者在 arXiv 上对其方法的描述。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
AdaptFuse：无需微调的序列偏好推断，用外部化贝叶斯计算增强 LLM报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.CLAdaptFuse：无需微调的序列偏好推断，用外部化贝叶斯计算增强 LLM
AdaptFuse 是一个无需训练的框架，将概率计算从 LLM 中外部化，由符号模块维护离散假设集上的贝叶斯后验，冻结的 LLM 通过多样本 Dirichlet 聚合提供语义推理，两者经熵自适应融合按预测置信度加权。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。