LLM 推理效能

深度分析

利用熵門檻與層遞迴的 EGLR 提升 LLM 推理效能

研究提出Entropy‑Gated Latent Recursion（EGLR），在高不確定性 token 上遞迴套用模型頂層 L 層，並結合溫度抽樣形成 L×T 笛卡爾抽樣空間。實驗在 MATH‑500 上，L×T Oracle 取得 91.6% 正確率，較僅溫度或僅層抽樣分別提升 8.2 與 10.4 個百分點。