ОБК-Пюн: калибровка на основе конечного результата для масштабной модели смазки

Компьютерные науки > Искусственный интеллект [представлен 15 сентября 2026 года] Название: OBC-Prune: Ориентированная на результат калибровка для масштабного обоснования модели PDF HTML (экспериментальный) резюме: крупные логические модели (LRM) генерируют длинные следы цепочки мышления перед ответом, создавая значительные накладные расходы. Обрезка может снизить эти затраты, однако ее эффективность зависит от калибровочных данных, используемых для оценки важности параметров. Недавняя работа калибрирует на собственные развороты модели вместо набора общих данных, но рассматривает все логические символы одинаково независимо от того, способствуют ли они успешному рассужданию. В результате скручивание обеспечивает защиту весов не путем их содействия правильной логике, а за счет статистического анализа. Таким образом, весы, стоящие за ошибочными расчетами, выживают так же легко, как и те из них, которые стоят за правильными расчетами. Эти ошибочные модели затем переносятся в скрученную модель, что приводит к снижению качества рассуждений и вызывает как более низкую точность, так и более продолжительные следы. Мы предлагаем провести калибровку на основе итоговых результатов для масштабной модели скручивания (OBC-Pruune) в целях устранения этого пробела. Сначала OBC создает сложные пары правильных и неверных скачков из проблем, на которые отвечает модель. Затем она оценивает причинно-следственную значимость каждого логического предложения на основе анализа, основанного на…