Le filThèmes : RechercheÉvaluations
Le guidage PRM déterministe est battu par un échantillonnage simple dans les modèles de diffusion discrets
1 sourcemis à jour 29 sept.pertinence 2,8 sur5
L’essentiel
Sur GSM8K, avec Dream-v0-Instruct-7B et 8 candidats, le guidage PRM atteint 65,18 %, contre 75,13 % pour l’échantillonnage indépendant avec un ORM. Les chercheurs publient le corpus d’états de débruitage et un kit d’évaluation.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceYan Zhan, Shaobo Liu, Zhijun Gaohuggingface.co
Why Deterministic PRM Guidance Underperforms in Discrete Diffusion Reasoning (site externe)
Discrete diffusion language models (dLLMs) expose a denoised solution at every step, which makes process reward model (PRM) guidance look like a way to spend compute at test time.
Sur les mêmes thèmes
Évaluations
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Évaluations
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Évaluations
Une étude montre que la date cachée dans les prompts système fait varier les évaluations de LLM
Évaluations
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5