Copertina

On the Effect of Sampling Diversity in Scaling LLM Inference

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wang, Tianchun, Liu, Zichuan, Chen, Yuanzhou, Light, Jonathan, Liu, Weiyang, Chen, Haifeng, Zhang, Xiang, Cheng, Wei
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Humanizing the Machine: Proxy Attacks to Mislead LLM Detectors
di: Wang, Tianchun, et al.
Pubblicazione: (2024)

DISC: Dynamic Decomposition Improves LLM Inference Scaling
di: Light, Jonathan, et al.
Pubblicazione: (2025)

Diversified Scaling Inference in Time Series Foundation Models
di: Hua, Ruijin, et al.
Pubblicazione: (2026)

Sample-efficient LLM Optimization with Reset Replay
di: Liu, Zichuan, et al.
Pubblicazione: (2025)

Towards Robust Fidelity for Evaluating Explainability of Graph Neural Networks
di: Zheng, Xu, et al.
Pubblicazione: (2023)

Human Texts Are Outliers: Detecting LLM-generated Texts via Out-of-distribution Detection
di: Zeng, Cong, et al.
Pubblicazione: (2025)

Parametric Augmentation for Time Series Contrastive Learning
di: Zheng, Xu, et al.
Pubblicazione: (2024)

SolverLLM: Leveraging Test-Time Scaling for Optimization Problem via LLM-Guided Search
di: Li, Dong, et al.
Pubblicazione: (2025)

TDRM: Smooth Reward Models with Temporal Difference for LLM RL and Inference
di: Zhang, Dan, et al.
Pubblicazione: (2025)

Dataset Distillation for Offline Reinforcement Learning
di: Light, Jonathan, et al.
Pubblicazione: (2024)

DOS: Diverse Outlier Sampling for Out-of-Distribution Detection
di: Jiang, Wenyu, et al.
Pubblicazione: (2023)

Explaining Time Series via Contrastive and Locally Sparse Perturbations
di: Liu, Zichuan, et al.
Pubblicazione: (2024)

LMCache: An Efficient KV Cache Layer for Enterprise-Scale LLM Inference
di: Liu, Yuhan, et al.
Pubblicazione: (2025)

POET-X: Memory-efficient LLM Training by Scaling Orthogonal Transformation
di: Qiu, Zeju, et al.
Pubblicazione: (2026)

TimeX++: Learning Time-Series Explanations with Information Bottleneck
di: Liu, Zichuan, et al.
Pubblicazione: (2024)

Efficient Traffic Forecasting on Large-Scale Road Network by Regularized Adaptive Graph Convolution
di: Wu, Kaiqi, et al.
Pubblicazione: (2025)

DALD: Improving Logits-based Detector without Logits from Black-box LLMs
di: Zeng, Cong, et al.
Pubblicazione: (2024)

D3: Diversity, Difficulty, and Dependability-Aware Data Selection for Sample-Efficient LLM Instruction Tuning
di: Zhang, Jia, et al.
Pubblicazione: (2025)

Flipping Against All Odds: Reducing LLM Coin Flip Bias via Verbalized Rejection Sampling
di: Xiao, Tim Z., et al.
Pubblicazione: (2025)

Interpretable Imitation Learning with Dynamic Causal Relations
di: Zhao, Tianxiang, et al.
Pubblicazione: (2023)

GraphSparseNet: a Novel Method for Large Scale Traffic Flow Prediction
di: Kong, Weiyang, et al.
Pubblicazione: (2025)

MetaColloc: Optimization-Free PDE Solving via Meta-Learned Basis Functions
di: Yang, Zichuan
Pubblicazione: (2026)

Efficient Diversity-Preserving Diffusion Alignment via Gradient-Informed GFlowNets
di: Liu, Zhen, et al.
Pubblicazione: (2024)

TimeXL: Explainable Multi-modal Time Series Prediction with LLM-in-the-Loop
di: Jiang, Yushan, et al.
Pubblicazione: (2025)

ABQ-LLM: Arbitrary-Bit Quantized Inference Acceleration for Large Language Models
di: Zeng, Chao, et al.
Pubblicazione: (2024)

RetroInfer: A Vector Storage Engine for Scalable Long-Context LLM Inference
di: Chen, Yaoqi, et al.
Pubblicazione: (2025)

MIXRTs: Toward Interpretable Multi-Agent Reinforcement Learning via Mixing Recurrent Soft Decision Trees
di: Liu, Zichuan, et al.
Pubblicazione: (2022)

LLM-Extracted Covariates for Clinical Causal Inference: Rethinking Integration Strategies
di: Liu, Lei, et al.
Pubblicazione: (2026)

PIANIST: Learning Partially Observable World Models with LLMs for Multi-Agent Decision Making
di: Light, Jonathan, et al.
Pubblicazione: (2024)

The Lifecycle Principle: Stabilizing Dynamic Neural Networks with State Memory
di: Yang, Zichuan
Pubblicazione: (2025)

What Matters in LLM-generated Data: Diversity and Its Effect on Model Fine-Tuning
di: Zhu, Yuchang, et al.
Pubblicazione: (2025)

PAC Learnability under Explanation-Preserving Graph Perturbations
di: Zheng, Xu, et al.
Pubblicazione: (2024)

Optimal Pricing for Data-Augmented AutoML Marketplaces
di: Han, Minbiao, et al.
Pubblicazione: (2023)

CORGI: GNNs with Convolutional Residual Global Interactions for Lagrangian Simulation
di: Ji, Ethan, et al.
Pubblicazione: (2025)

R-Diverse: Mitigating Diversity Illusion in Self-Play LLM Training
di: Li, Gengsheng, et al.
Pubblicazione: (2026)

OptScale: Probabilistic Optimality for Inference-time Scaling
di: Wang, Youkang, et al.
Pubblicazione: (2025)

DynScaling: Efficient Verifier-free Inference Scaling via Dynamic and Integrated Sampling
di: Wang, Fei, et al.
Pubblicazione: (2025)

Causality-Encoded Diffusion Models for Interventional Sampling and Edge Inference
di: Chen, Li, et al.
Pubblicazione: (2026)

Improving LLM Reasoning through Scaling Inference Computation with Collaborative Verification
di: Liang, Zhenwen, et al.
Pubblicazione: (2024)

Where's the liability in the Generative Era? Recovery-based Black-Box Detection of AI-Generated Content
di: Bai, Haoyue, et al.
Pubblicazione: (2025)