Cheng Gui团队发表Best-of-N尾部校准审计框架

2026年10月25日，Cheng Gui等人在arXiv发表研究论文，提出针对Best-of-N选择过程的尾部校准审计框架。 研究指出，Best-of-N推断性能取决于代理奖励在高分尾部的校准曲线，而非平均排名质量。若校准曲线在尾部向下转折，增加候选数N反而会降低最佳输出质量，揭示了有限预算下的奖励黑客现象。 研究显示，真实数据中的尾部失效主要发生在代码生成领域。此外，在误差方差较大的低真值奖励区域，高斯噪声也可能导致结果劣于随机选择，而尾部校准统计量可可靠预测预算上限的有效性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。