论文提出对抗式投机推理，降低投机解码噪声提升智能体推理
热点事件观察中
论文提出对抗式投机推理，降低投机解码噪声提升智能体推理
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Hongyin Luo 在 arXiv 提交论文（arXiv:2611.05345），提出对抗式投机推理方法：训练草稿模型在关键推理决策点被目标模型拒绝，使关键思考 token 在数值噪声最低条件下由目标模型采样，从而提升长程智能体推理准确性。 据论文，投机解码的数值噪声会在验证窗口内累积，草稿模型的接受结果可在 30 步后改变模型输出分布，随机方向地影响长程智能体推理准确率。该方法仅训练 0.06% 到 0.28% 的托管参数，论文称在复杂智能体编程基准上提升端到端成功率，且不改变目标模型或其输出分布。
AI 根据报道生成 · 11 小时前更新
最新进展11月4日 02:45
对抗性投机推理提升长程智能体推理能力报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · cs.AI对抗性投机推理提升长程智能体推理能力
一项 arXiv 研究发现，投机解码的数值噪声会在验证窗口内累积，草稿模型的接受结果可在 30 步后改变模型输出分布，随机方向地影响长程智能体的推理准确率。研究者训练草稿模型在关键推理决策点被目标模型拒绝，使关键思考 token 在噪声最低条件下由目标模型采样，仅训练 0.06% 到 0.28% 的托管参数，在复杂智能体编程基准上提升端到端成功率，且不改变目标模型或其输出分布。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 511月5日 03:00
- 近 24 小时变化
- –
0246
04:0006:0008:0010:0012:00
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。