AI前沿：让语言模型更聪明、更可靠、更高效

本期精华汇总：

• On the Emergence of Thinking in LLMs I: Searching for the Right Intuition:  提出自弈强化学习框架（RLSP），通过解耦探索奖励和正确性奖励，有效提升了大型语言模型的推理能力，使其涌现出复杂推理行为。
• Confidence Improves Self-Consistency in LLMs: 提出置信度引导的自洽性策略（CISC），利用模型自身置信度进行加权投票，显著提升了自洽性解码的效率和性能。
• Optimizing Temperature for Language Models with Multi-Sample Inference: 提出TURN自动化温度优化方法，基于熵转折点自动选择最优温度，无需验证数据，高效提升了语言模型多样本推理性能。
• ReasonFlux: Hierarchical LLM Reasoning via Scaling Thought Templates: 提出ReasonFlux分层推理框架，通过扩展思维模板进行分层推理，显著提升了大型语言模型在复杂数学推理任务上的能力，超越现有SOTA模型。
• DeepCrossAttention: Supercharging Transformer Residual Connections: 提出DeepCrossAttention（DCA）机制，改进Transformer残差连接，通过动态组合层输出，提升了模型性能、训练效率和稳定性。

完整推介：https://mp.weixin.qq.com/s/lxd5jQrpQRz06Ogd0_xdiw