UAB：不确定性感知预算分配提升推理
热点事件持续更新
UAB：不确定性感知预算分配提升推理
1 篇报道1 个报道来源2 小时前更新
先了解这件事
报道摘要
UAB 是一种不确定性感知预算分配框架，通过初始采样答案的投票熵估计难度，再用边际贪心算法把剩余采样预算集中到答案分歧大的难题上。在五个 1.5B–27B 开源模型和五个推理基准上，UAB 平均准确率比均匀分配高 +2.3%，单项基准最高提升 +5.5%，低资源场景收益最大。该方法精确用完目标预算，无需辅助模型或额外 LLM 调用，代码已公开。
摘自 arXiv：cs.CL
最新进展10月9日 12:00
UAB：面向自适应测试时推理的不确定性感知预算分配报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.CLUAB：面向自适应测试时推理的不确定性感知预算分配
UAB 是一种不确定性感知预算分配框架，通过初始采样答案的投票熵估计难度，再用边际贪心算法把剩余采样预算集中到答案分歧大的难题上。在五个 1.5B–27B 开源模型和五个推理基准上，UAB 平均准确率比均匀分配高 +2.3%，单项基准最高提升 +5.5%，低资源场景收益最大。该方法精确用完目标预算，无需辅助模型或额外 LLM 调用，代码已公开。
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。