arXiv cs.CL· Shuyu Gan, Young-Jun Lee, Dongyeop Kang·· 4 小时前AI 评分42
SanSi：面向 System 1.5 思维的循环类型化决策模型
SanSi: A Looped Typed Decision Model for System 1.5 Thinking
AI 导读
SanSi 把预训练循环语言模型改造为类型化决策模型，每次循环后读取选项概率，单次运行即可覆盖 1 到 8 次循环的推理预算。在来自 59 个来源的 10,027 个测试决策上，SanSi 达到 72.0% 准确率，比同结构同配方的非循环模型高 13.5 分。用作强化学习策略优化的评判器时无需标准答案，可将生成器 F1 提升 7.7 分。
来源：arXiv cs.CL · arxiv.org