Компьютерные науки > Расчеты и язык [представлен 26 мая 2026 года (v1), последний пересмотренный вариант от 26 октября 2026 г. (эта версия, v2)) Заголовок: Учеба в духе верности разуму с Spatio-Temoral Latent Dynamics for Крупные языковые модели Вид PDF HTML (экспериментальный) резюме: Chain of Thod (Cot) значительно расширило возможности для обоснования крупных языковых моделей (LMS). Вместе с тем существующие методы повышения эффективности обучения в первую очередь позволяют оптимизировать вознаграждение на уровне конечных результатов, обеспечивая ограниченный контроль за процессом обоснования. В результате, модели могут создавать траектории с короткими или нестабильными рассуждениями даже в том случае, если окончательный ответ верен. Мы предлагаем GeoFaith, скрытые рамки пространственно-временной динамики для изучения правильных процессов рассуждения без моделей вознаграждения за процессы. Геофайт сочетает в себе скрытые неопределенности окончательного состояния, которые измеряют наличие завершенной траектории в хорошо поддерживаемом многообразном регионе, и динамику прогноза-энтропии, которая наносит ущерб анормальному неопределению таких моделей, как преждевременный коллапс, осцилляция и продолжительная неопределенность. Эти сигналы включаются в ГППО как процесс упорядочения процесса, что позволяет совместно оптимизировать качество ответов и аргументации без аннотаций к процессу поэтапного уровня. Эксперименты показывают, что GeoFaith последовательно повышает точность…
Учиться в верном здравом рассудке, используя спатио-временную динамику стиля для моделей большого языка
arXiv: 2605.26893v2 Annuales Type: заменить резюме: аргументация по поводу цепочки затраченных (CT) значительно расширила возможности для обоснования крупных языковых моделей (LMS). Вместе с тем существующие методы повышения эффективности обучения в первую очередь позволяют оптимизировать вознаграждение на уровне конечных результатов, обеспечивая ограниченный контроль за процессом обоснования. В результате, модели могут создавать траектории с короткими или нестабильными рассуждениями даже в том случае, если окончательный ответ верен. Мы предлагаем GeoFaith, скрытые рамки пространственно-временной динамики для изучения правильных процессов рассуждения без моделей вознаграждения за процессы. Геофайт сочетает в себе скрытые неопределенности окончательного состояния, которые измеряют наличие завершенной траектории в хорошо поддерживаемом многообразном регионе, и динамику прогноза-энтропии, которая наносит ущерб анормальному неопределению таких моделей, как преждевременный коллапс, осцилляция и продолжительная неопределенность. Эти сигналы включаются в ГИПС как процесс упорядочения, совместно оптимизируя точность ответов и качество рассуждений без