PAEC: Calibración de entropía posicional para razonamiento en LLM con RLVR
PAEC calibra la entropía solo en posiciones clave para evitar el colapso y mejorar el razonamiento de LLMs en problemas matemáticos. ¡Aumenta el rendimiento!
#razonamiento en llm
Diversidad en esquemas de pensamiento mejora el razonamiento en LLMs
Descubre cómo la diversidad en esquemas de pensamiento mejora el razonamiento de los LLMs. DiScO optimiza políticas para resultados más precisos y recuperación
ConSteer-RL: Dirigiendo el razonamiento en LLMs con RL consciente de la confianza
Descubre ConSteer-RL: un nuevo método que mejora el razonamiento de LLMs usando señales de confianza con RL. Resultados: hasta 4% de mejora.
ConSteer-RL: Dirigiendo razonamiento en LLMs con RL consciente de confianza
Descubre cómo ConSteer-RL mejora el razonamiento de LLMs usando señales de confianza, logrando mejoras del 2.3% al 4%.
Más allá de la memoria en tiempo de test: control óptimo para LLM
Descubre cómo la nueva capa TTC integra control óptimo en LLMs, mejorando el razonamiento matemático hasta un 27.8% en benchmarks como MATH-500. Una innovación
SCOPE: Calibración de Señales en Destilación On-Policy Dual
Descubre cómo SCOPE mejora el razonamiento de los LLMs con destilación adaptativa dual, logrando un 11.42% más de precisión.