探索経験の再利用による効率的なテスト時スケーリング：Do Not Waste Your Rollouts

要約

大規模言語モデルの推論能力を高めるテスト時スケーリングにおいて、従来の探索手法は各試行を使い捨てにするため、計算の冗長性が課題でした。本研究は、過去の試行から得られた知見を蓄積・再利用する「Recycling Search Experience (RSE)」を提案します。中間結論の再利用と失敗パターンの回避により、効率的な推論を実現します。

全文は有料プランで閲覧できます。