Parallel Power Tempering améliore l’échantillonnage à l’inférence pour le raisonnement des petits modèles
1 sourcemis à jour il y a 5 jpertinence 3,4 sur5
L’essentiel
Cette méthode sans mise à jour de paramètres fait tourner en parallèle plusieurs répliques à des niveaux d’accentuation différents. Selon le papier, elle surpasse des modèles post-entraînés par RL.
Propagation1 article, publié par HF Daily Papers le 2 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FacePanagiotis Theodoropoulos, Nan Jiang, Xintong Duan et al.huggingface.co
Explore Broadly, Reason Sharply: Push Small Models toward the Frontier via Sampling (site externe)
Power-sharpened sampling is an inference-time alternative to reinforcement-learning (RL) post-training for enhancing reasoning in large language models (LLMs).
Sur les mêmes thèmes
Infra
Ai2 publie Olmo-core 3, son framework d’entraînement ouvert pour de grands modèles à mélange d’experts
Infra
SlimWise élague les experts uniquement au décodage pour servir plus efficacement les modèles MoE
Recherche
RayOrch, un moteur distribué, préserve les liens parent-enfant dans la préparation de données d’IA
Infra
TRACE propose un entraînement FP4 par RL pour les modèles MoE, guidé par les rollouts
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