热点事件持续更新
CoTS：免训练隐式推理的竞争性令牌选择
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月16日，arXiv cs.CL 刊出 CoTS（Competitive Token Selection）论文，提出一种面向大语言模型潜在推理的免训练框架。该方法把潜在推理中的干预方式从原先的二元模式选择，改为 token 级的连续分配，借助两个最可能候选 token 之间的概率竞争，动态平衡离散承诺与软探索。报道称，CoTS 无需手动调整切换阈值或混合系数，也不增加额外的前向传播开销。在六个推理基准上，该方法持续优于标准 CoT 以及当前最优的免训练潜在推理方法，代码已公开。目前该工作处于论文与代码发布阶段，尚未见后续复现或独立评测报道。
AI 根据报道生成 · 1 小时前更新
最新进展10月16日 12:00
arXiv 刊出 CoTS 论文：以双候选 token 概率竞争取代二元干预，免训练且在六个基准上超越标准 CoT。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv cs.CLCoTS：面向大语言模型潜在推理的竞争性 token 选择
CoTS（Competitive Token Selection）是一个免训练框架，把大语言模型的潜在推理干预从二元模式选择改为 token 级连续分配，用两个最可能候选 token 之间的概率竞争动态平衡离散承诺与软探索。该方法无需手动调整切换阈值或混合系数，也不增加额外前向传播；在六个推理基准上持续优于标准 CoT 与当前最优的免训练潜在推理方法，代码已公开。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。