Probabilistic Programming Code Generation Mathematical Reasoning Efficient Inference
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
作者 Poorva Garg, Renato Lui Geh, Daniel Israel, Todd Millstein, Kyle Richardson et al.
发布日期 2026-04-19
arXiv ID 2604.17290
相关性评分 9/10 (高度相关)