热点事件持续更新
提出加权集成采样估计LLM稀有事件概率
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月15日，arXiv cs.CL 收录一篇论文，提出 Weighted Ensemble（WE）采样，一个无需训练的框架，用于估计语言模型的稀有事件概率。报道称，WE 只从原始语言模型采样，周期性地把采样预算重新分配给更可能到达目标稀有事件的前缀，并利用 LLM 内部表示作为前缀级信号，因此无需额外学习 proposal 分布。在覆盖小规模与现代大规模 LLM 的安全相关任务上，WE 提升了稀有事件概率估计的效率与可靠性。目前公开信息仅为该论文本身，尚未见代码发布或其他研究者的复现与验证结果。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
论文提出无需训练的 WE 采样框架，通过重分配采样预算提升 LLM 稀有事件概率估计效率与可靠性。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.CL语言模型中稀有事件估计的加权集成（WE）采样
研究者提出 Weighted Ensemble（WE）——一个无需训练的框架，用于估计语言模型的稀有事件概率。WE 只从原始语言模型采样，周期性把采样预算重新分配给更可能到达目标稀有事件的前缀，并利用 LLM 内部表示作为前缀级信号，无需额外学习 proposal 分布。在覆盖小规模与现代大规模 LLM 的安全相关任务上，WE 提升了稀有事件概率估计的效率与可靠性。
本事件热度走势
当前热度 9·可比范围峰值 10（10月15日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。