提出基于粒子滤波(如序贯蒙特卡洛,SMC)的理论框架来分析语言模型推理时的并行生成、聚合与剪枝方法,在给定过程奖励模型下研究采样准确性与计算代价的权衡,并给出非渐近理论保证、算法改进及根本性局限。
机构:Microsoft
来源:arXiv 2603.07887 | AI4Papers 论文推荐平台