РУКОВОДЯЩИЙ РЕГУЛИРОВАНИЮ: Ремонт траектории для целей определения времени испытания

arXiv: 2610.19561v1 Annualce Type: New Habstratement: Ранняя ошибка в генерируемой аргументации может сдержать все последующие рассуждения. Методы многократного производства, такие как подходы на основе MCMC, пытаются повысить качество выпуска путем отбора проб нескольких поколений, однако их эффективность может быть ограничена в результате случайного выбора места для регенерации. Что касается МАТХ500 с Qwen2,5-Math-7B, то мы считаем, что неправильные ответы имеют значительно более высокую среднюю энтропию, чем правильную реакцию, со средним относительным увеличением в пределах вопроса примерно на 112%, что предполагает возможность того, что энтропия может указывать на ошибки в рассуждениях. Исходя из этого вывода, мы введем ReWIND - бестренировочный контроллер, использующий энтропию для предложения адресных регенераций суффикса. В трех типах моделей и пяти контрольных показателях REWIND опережает все исходные уровни, при этом рост на 0,51-10,00 процентного пункта выше самого высокого базового уровня. Эти результаты свидетельствуют об эффективности целенаправленного и направленного с учетом факторов неопределенности ремонта траектории в различных районах