摩根士丹利提出PPT并行回火推理期采样

2026年10月2日，AGI Hunt 报道摩根士丹利团队提出 Parallel Power Tempering（PPT），用推理期采样替代 RL 后训练来增强大模型推理能力，整个过程无需参数更新，也不需要外部奖励。该方法并行运行多个不同锐化强度的副本：低强度副本负责探索多样的推理路径，高强度链则进一步利用高似然回答；同时修正了以往 power 采样器的截断偏差。报道称，PPT 显著优于单链 power 采样，并超过 RL 后训练模型，性能可比肩前沿模型。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。