如今，Test-Time Scaling（测试时扩展）已成为提升模型推理能力的关键路径。而在这一浪潮中，块扩散语言模型（Block Diffusion Language Models, BDLMs） 凭借其独特的并行解码能力，被视为超越传统自回归（AR）模型推理效率的有力竞争者。然而，现有的 BDLMs 在面对长链推理时，陷入了一个两难的效率 - ...

传统的动态解码往往依赖固定的置信度阈值，这在长链推理中极易导致 “一步错，步步错”。研究团队提出了有界自适应置信度解码（BACD）算法，该算法利用已生成 token 的平均置信度作为信号，动态调整当前的去噪阈值。同时，为了实现效率和效果的兼顾，增加了双重边界保护机制：上限（Upper Bound）负责在模型自信时激进加速，下限（Lower ...

1. 用 Test Time 换 Training Time 能让 LLM 更强吗？ Self-Play 会是训 LLM 的新热点吗？把预算投入 Inference 会比扩大 LLM 参数更有效吗？PRM 对 Test-Time Compute 性价比影响多大？额外的 Inference Time 能帮 LLM 提升多少能力？Test-Time Compute 性价比还能再提高吗？... 2.

齐鲁网·闪电新闻3月2日讯 近日，山东工商学院信息与电子工程学院郭文教授的论文"Dual-level Adaptation for Multi-Object Tracking: Building Test-Time Calibration from Experience and Intuition"被IEEE/CVF Conference on Computer Vision and Patter ...