arXiv · cs.CL· Wei Xia·· 12 天前AI 评分41
EMO：交替上下文优化与 logit 引导的闭环测试时计算框架
EMO: A Closed-Loop Test-Time Computation Framework via Alternating Context Optimization and Logits Steering
来源与原文
arXiv · cs.CL
作者：Wei Xia
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.22160v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
EMO 是一个免训练的闭环测试时计算框架，借鉴 EM 思想交替进行 E 步上下文估计和 M 步分布引导。在 8 个模型、6 个基准的 greedy decoding 测试中，EMO 在 40 组设置中的 39 组超过 zero-shot 基线，平均提升 9.10 个百分点；与仅上下文优化的 TextGrad 相比，使用相同 judge 平均再提升 1.53 个百分点，在 MMLU-Pro 上跨模型保持一致增益。
来源：arXiv · cs.CL · arxiv.org