STAIR réutilise le calcul des problèmes précédents pour aider les LLM à résoudre les suivants
1 sourcemis à jour il y a 2 jpertinence 3,0 sur5
L’essentiel
STAIR entraîne 12 288 paramètres sur un modèle gelé. Sur trois modèles Qwen et quatre benchmarks, il améliore la précision moyenne des tours suivants de 11,67 points au plus.
Propagation1 article, publié par HF Daily Papers le 5 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceJipei He, Wenhui Tan, Xiaoyi Yu et al.huggingface.co
Can Computation from Earlier Problems Help LLMs Solve New Ones? (site externe)
Large language models often solve independent problems in the same conversation. Can computation from earlier problems help them solve new ones?
Sur les mêmes thèmes
Recherche
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Recherche
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Recherche
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
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