提出QuasiMoTTo方法,使用准蒙特卡洛生成相关样本替代独立同分布样本,用于推理计算缩放和强化学习,在四个推理基准上以25-47%更少样本达到相同pass@k准确率,在RL中匹配i.i.d.性能但减少50%训练步数。
机构:Stanford
来源:arXiv 2607.01179 | AI4Papers 论文推荐平台