摘要
大型语言模型常用于代码生成与数学推理等需结构化输出的任务。传统方法通过多次采样获取有效程序,但计算成本高昂。本文提出“概率思维程序”框架,利用模型生成的下一个令牌概率构建概率程序,紧凑表示指数级数量的确定性程序。该方法无需额外 GPU 计算即可高效采样新程序,仅在 CPU 上产生少量开销。在代码生成、理解及数学推理基准测试中,该方法以更少的生成次数实现了性能提升。
AI 推荐理由
提出概率思维程序框架,显著提升代码与数学推理效率,核心聚焦推理机制优化。
研究机构
University of California Los Angeles
Allen Institute for AI
论文信息