概念Turn-Level Best-of-N Sampling
回合级Best-of-N采样
一种针对LLM智能体的推理时扩展策略,在每个决策回合(而非整条轨迹结束时)生成N个候选动作并由选择器挑选执行,及时纠正单步错误,无需额外训练
时间轴 (近 90 天)
11月5日
回合级Best-of-N采样是一种推理时扩展方法,通过生成器-选择器框架提升LLM智能体在长期任务中的表现。
待验证50%
11月5日
在长期终端任务上的实验表明,回合级Best-of-N采样带来准确率提升5-10%。
待验证50%
11月5日
实验显示,回合级Best-of-N采样使重复尝试的一致性明显增强。
待验证50%
11月5日
该方法的核心优势在于简单有效:无需额外训练,仅通过采样和选择即可提升性能。
待验证50%
11月5日
计算成本随N增加而上升,需要权衡性能与效率。
待验证50%