arXiv发布LProp论文优化LLM不确定性传播
热点事件持续更新
arXiv发布LProp论文优化LLM不确定性传播
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年11月17日,Kaiwen Shi等人发布论文LProp,提出一种在LLM Agents中通过证据条件化信念修正传播潜在不确定性的机制,无需额外轨迹采样。该方法在选择题、数学推理任务上优于基线,并在八种传播场景中实现最低的平均推理token用量。
AI 根据报道生成 · 11 小时前更新
最新进展11月19日 13:00
LProp:在 LLM Agents 中通过证据条件化信念修正传播潜在不确定性报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · AILProp:在 LLM Agents 中通过证据条件化信念修正传播潜在不确定性
LProp 提出一种潜在不确定性传播机制,在 LLM Agents 中利用潜在表示和新证据修正继承的分布,无需额外轨迹采样。 该方法在选择题、数学推理等任务上优于基线,并在八种传播场景中实现最低的推理 token 平均用量。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 15:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月20日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。