跳到正文
arXiv · ML· Sungjun Lim, Adrian Robert Minut, Nico Carlsen Daheim, Mohammad Emtiyaz Khan, Kyungwoo Song, Thomas M\"ollenhoff·· 2026-10-14AI 评分27

Fenchel-Bregman 后验学习改进多样本推理

Train for Many, Update with One: Improving Multi-Sample Reasoning via Fenchel-Bregman Posterior Learning

AI 导读

提出仅每次更新需单次后验采样的 Fenchel-Bregman 方法,训练求解器参数的后验分布以提升多候选覆盖率。 该算法 FBI 结合精确 Fenchel 重构与闭式 Bregman 更新,在匹配对比中以直接蒙特卡洛基线 12.3% 的单次更新训练时间达到相当的 Pass@10 表现。

来源:arXiv · ML · arxiv.org