utworzone przez Redakcja | lis 3, 2026
Naukowcy przeanalizowali metody wczesnego zatrzymania generowania rozumowania w dużych modelach językowych, by ograniczyć zbędne obliczenia bez utraty dokładności. Wprowadzono nową metrykę TITE mierzącą efektywność tokenów względem wyrocznicy.
utworzone przez Redakcja | lip 30, 2026
Badacze sprawdzili, dlaczego modele językowe trenowane przez uczenie przez wzmacnianie (RL) lepiej rozwiązują zadania matematyczne niż modele fine-tunowane nadzorowanym uczeniem (SFT). Okazało się, że RL tworzy bardziej liniowo separowalne reprezentacje wewnętrzne i...
utworzone przez Redakcja | cze 3, 2026
Badacze analizują, czy dalsze rozumowanie dużych modeli językowych po znalezieniu poprawnej odpowiedzi poprawia wynik, czy od niego odchodzi. Wprowadzono protokół oceny trajektorii rozumowania oparty na minimalnym budżecie potrzebnym do pierwszego uzyskania poprawnej...
utworzone przez Redakcja | maj 16, 2026
Naukowcy wprowadzili nowy benchmark PolitNuggets do oceny zdolności dużych modeli rozumowania w odnajdywaniu i syntetyzowaniu rozproszonych faktów politycznych. System testuje modele AI na zadaniu konstruowania biografii politycznych 400 światowych elit przy użyciu...
utworzone przez Redakcja | maj 9, 2026
Naukowcy zaproponowali BitCal-TTS, lekką metodę sterowania czasem obliczeniowym dla skwantyzowanych modeli rozumowania. Rozwiązanie łączy monitorowanie niepewności tokenów z dynamiczną realokacją zaufania modelu, aby uniknąć przedwczesnego zakończenia generowania...
