Tech Meridian ← К ЛЕНТЕ
PROМОЙ MERIDIAN EN

ИССЛЕДОВАНИЕ · RESEARCH · #3967

LProp: распространение скрытой неопределённости для уточнения убеждений в агентах на основе LLM

Статья (arXiv:2611.23564v1) предлагает Latent Uncertainty — оцениватель в латентном пространстве — и метод LProp, который обновляет унаследованные распределения ответов с помощью латентных представлений и новых доказательств без дополнительной выборки траекторий. При проверке на задачах множественного выбора, да/нет, открытых ответов и математического рассуждения метод превосходит базовые подходы по большинству метрик и демонстрирует наименьшее среднее потребление токенов вывода в восьми настройках распространения.

КЛЮЧЕВЫЕ ТЕЗИСЫ

  1. Статья (arXiv:2611.23564v1) предлагает Latent Uncertainty — оцениватель в латентном пространстве — и метод LProp, который обновляет унаследованные распределения ответов с помощью латентных представлений и новых доказательств без дополнительной выборки траекторий.
  2. При проверке на задачах множественного выбора, да/нет, открытых ответов и математического рассуждения метод превосходит базовые подходы по большинству метрик и демонстрирует наименьшее среднее потребление токенов вывода в восьми настройках распространения.
  3. Сохранение и распространение неопределённости в латентной форме позволяет конвейерам агентов на LLM более эффективно и экономно обновлять унаследованные убеждения, улучшая восстановление от ошибок и снижая стоимость вывода.

ПОЧЕМУ ЭТО ВАЖНО

Сохранение и распространение неопределённости в латентной форме позволяет конвейерам агентов на LLM более эффективно и экономно обновлять унаследованные убеждения, улучшая восстановление от ошибок и снижая стоимость вывода.

ИСТОЧНИКИ И ХРОНОЛОГИЯ

1