BARS：带预算与拒答的多数识别采样法
热点事件持续更新
BARS：带预算与拒答的多数识别采样法
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Shenxi Liu 等作者提出 BARS，一种面向大语言模型自洽性采样的顺序规则：在未知分布、给定采样预算与目标错误率下，它认证前两名答案的差距，并返回提前停止、预算内多数投票或拒答。 在 GSM8K 上，实用模式比固定 8 次采样少抽 22.3% 样本（含被拒问题），代价是拒答 18.8% 的问题；在 MATH 上输出答案准确率提升至 82.5%，代价是拒答一半模型本身无法解决的难题。
AI 根据报道生成 · 52 分钟前更新
最新进展11月11日 13:00
BARS：未知分布下带预算感知的序列采样与拒答多数识别方法报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.AIBARS：未知分布下带预算感知的序列采样与拒答多数识别方法
BARS 是一种面向大语言模型自洽性采样的序列规则，在未知分布、给定预算与目标错误率下认证 top-two 差距，并返回提前停止、预算内多数投票或拒答。在 GSM8K 上，实用模式比固定 8 次采样少抽 22.3% 样本（含被拒问题），代价是拒答 18.8% 的问题；在 MATH 上输出答案准确率提升至 82.5%，代价是拒答一半模型本身无法解决的难题。
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。