auxiliary-particle-power-sampling

深度分析

APPS：以未來價值引導的序列級 power sampling（Auxiliary Particle Power Sampling）

研究指出大模型已包含多步正確解答但難以在有限推理時定位。論文提出以序列蒙地卡羅視角將未來價值融入powersampling，透過區塊化粒子維持多條假設並以短期rollout或輕量化學習頭做選擇。結果顯示在多項推理基準下，值導向選擇能提升準確度並改善早期決策風險。