研究：多温度采样在pass@K中收益有限

特拉维夫大学团队在pass@K设定下分析了多个模型与数据集，发现难题更难共享高效采样温度，但这一趋势仅随难度对数增长。他们提出高效评估理论最优多温度分配方案的方法，结果显示在按采样预算K调优温度时，多温度方案相对单温度基线的提升通常有限。团队用“dulling effects”机制解释温度选择在不同题目分布下的稳健性。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。