Скалибрирование тест-время с помощью диффузионных языковых моделей через ревардизированную шитью

arXiv: 2602,22871v2 Annuales Type: заменить перекрестное резюме: Разъяснение с крупными языковыми моделями часто выгодно от создания многочисленных концептуальных цепочек, однако существующие стратегии агрегирования обычно имеют траекторию (например, выбор наилучшего следа или голосование по окончательному ответу), что исключает полезную промежуточный работу из частичных или "почти правильных" попыток. Мы предлагаем Stiching Noisy Difclusion Thoughts, систему самосознания, которая превращает дешевые рассуждения о распространении в многоразовый список кандидатов на ступенях. Учитывая проблему, мы i) отбираем множество разнообразных малозатратных траекторий рассуждений с использованием модели языка распространения в маске; ii) на каждом промежуточном этапе мы используем модель вознаграждения за неиспользованный процесс (ПМР); и iii) прикрепляем эти самые качественные этапы по всем трайлерам к составным обоснованиям. Затем это обоснование используется для того, чтобы переосмыслить только окончательный ответ. Этот модульный трубопровод отделяет разведку (диффилирование) от оценки и синтеза растворов, избегая мон