跳到正文
热点事件持续更新

arXiv发布LLM中间结果复用研究

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

2026年10月21日，arXiv网站（cs.AI分类）上线了一篇由Deyuan Liu等人发布的学术论文，该研究聚焦于大语言模型在推理过程中的局部重试机制，专门探讨了中间结果复用的可靠性条件及所需计算量。研究团队构建了理论模型，针对“在重试预算内若无候选项通过则停止”的局部重试策略，推导了确保正确完成的理论条件，并给出了平均尝试次数上限的数学界限。为了验证理论结论，研究涵盖了8个主流推理模型的实证分析，其中包括4个DeepSeek系列模型。实验数据显示，在解题场景中，若将第一子问题的答案（仅答案或推理及答案）提供给模型作为提示，第二子问题的平均成功率可从36.2%显著提升至58.3%。此外，研究还通过实验量化了“检查成本”与“通过概率”对系统总计算量的具体影响，相关代码已随论文开源，为后续降低LLM推理成本提供了参考。

AI 根据报道生成 · 2 小时前更新

最新进展10月21日 12:00
LLM 推理中中间结果可靠复用的条件研究

报道时间线

沿着报道，了解事件的不同侧面。

10月21日
  1. arXiv · AI
    LLM 推理中中间结果可靠复用的条件研究

    该研究分析了大语言模型在局部重试中复用中间结果的可靠性，给出了正确完成条件及平均尝试次数界限。 实验涵盖 8 个推理模型，包括 4 个 DeepSeek 模型。结果显示，提供第一子问题答案或推理及答案，将第二子问题平均成功率从 36.2% 提升至 58.3%。 代码已开源，相关实验验证了检查成本与通过概率对总计算量的影响。

本事件热度走势

可比范围当前
9
可比范围峰值
1010月21日 13:00
近 24 小时变化
–

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。