提出基于Tsallis q-对数的损失族J_Q,通过梯度放大机制P_θ^{-q}在exploitation(q=0)和density estimation(q=1)之间连续插值,以缓解推理模型冷启动停滞问题;据此设计两种蒙特卡洛估计算法GARL和PAFT,在FinQA、HotPotQA和MuSiQue上验证了其有…
机构:Google
来源:arXiv 2604.25907 | AI4Papers 论文推荐平台