Компьютерная наука > Расчет и язык [представлен 26 мая 2026 (v1), последний пересмотренный вариант от 8 октября 2026 года (эта версия, v2)) Название: Неопределенность-программное распределение для адаптационного тестового времени Значения HTML (экспериментальное) Резюме: Выбор нескольких ответов улучшает языковую модель рассуждения, но единообразное распределение вычислений неэффективно, поскольку простые вопросы чрезмерно отбираются в то время как сложные вопросы остаются недостаточно изученными. Мы предлагаем formula_bf {Неопределенное распределение бюджета (UAB)} — сложную систему всеобщей оптимизации, которая перераспределяет фиксированный бюджет выборки с использованием неопределенностей, рассчитанных на основе самих первоначальных образцов. На этапе 1 каждый вопрос получает небольшое фиксированное число поколений. Их ответные разногласия, измеряемые энтропией голосования, являются сигналом трудности в то время как эти поколения вносят свой вклад в окончательное голосование. На этапе 2 оставшийся бюджет распределяется с помощью алгоритма миниатюрного гризия, который оптимальным образом решает проблему суррогата для покрытия охвата и максимального сокращения масштабов производства, сосредоточивая выборку на вопросах, первоначальные ответы которых расходятся. В рамках пяти моделей с открытым весом (определения 1,5B-27B) и пяти логических критериев, имеющих различные трудности, УАБ повышает среднюю точность на 2,3 долл. США по сравнению с единообразным распределением и…
Выделение бюджетных средств для целей адаптивного анализа времени испытания
arXiv:2605.26849v2 Annualection Type: заменить резюме: выборка нескольких ответов улучшает языковую модель, но единообразное распределение вычислений неэффективно, поскольку простые вопросы слишком тщательно отбираются, а сложные вопросы остаются недостаточно изученными. Мы предлагаем formula_bf {Неопределенное распределение бюджета (UAB)} — сложную систему всеобщей оптимизации, которая перераспределяет фиксированный бюджет выборки с использованием неопределенностей, рассчитанных на основе самих первоначальных образцов. На этапе 1 каждый вопрос получает небольшое фиксированное число поколений. Их ответные разногласия, измеряемые энтропией голосования, являются сигналом трудности в то время как эти поколения вносят свой вклад в окончательное голосование. На этапе 2 оставшийся бюджет распределяется с помощью алгоритма миниатюрного гризия, который оптимальным образом решает проблему суррогата для покрытия охвата и максимального сокращения масштабов производства, сосредоточивая выборку на вопросах, первоначальные ответы которых расходятся. В рамках пяти моделей с открытым весом (определения 1,5B-27B) и пяти логических критериев, имеющих различные трудности, УАБ повышает средний показатель