Buchumschlag

Test-Time Personalization: A Diagnostic Framework and Probabilistic Fix for Scaling Failures

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Linhai, He, Yulan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Probabilistic Test-Time Generalization by Variational Neighbor-Labeling
von: Ambekar, Sameer, et al.
Veröffentlicht: (2023)

Aligning Tree-Search Policies with Fixed Token Budgets in Test-Time Scaling of LLMs
von: Miyamoto, Sora, et al.
Veröffentlicht: (2026)

T-POP: Test-Time Personalization with Online Preference Feedback
von: Qu, Zikun, et al.
Veröffentlicht: (2025)

S*: Test Time Scaling for Code Generation
von: Li, Dacheng, et al.
Veröffentlicht: (2025)

Code Generation by Differential Test Time Scaling
von: He, Yifeng, et al.
Veröffentlicht: (2026)

$S^3$: Stratified Scaling Search for Test-Time in Diffusion Language Models
von: Bilal, Ahsan, et al.
Veröffentlicht: (2026)

Thinking vs. Doing: Agents that Reason by Scaling Test-Time Interaction
von: Shen, Junhong, et al.
Veröffentlicht: (2025)

Scaling Up Probabilistic Circuits by Latent Variable Distillation
von: Liu, Anji, et al.
Veröffentlicht: (2022)

Parametric Prior Mapping Framework for Non-stationary Probabilistic Time Series Forecasting
von: Li, Jinglin, et al.
Veröffentlicht: (2026)

Understanding the Role of Training Data in Test-Time Scaling
von: Javanmard, Adel, et al.
Veröffentlicht: (2025)

Exploring the Potential of Probabilistic Transformer for Time Series Modeling: A Report on the ST-PT Framework
von: Xiong, Zhangzhi, et al.
Veröffentlicht: (2026)

When Does Value-Aware KV Eviction Help? A Fixed-Contract Diagnostic for Non-Monotone Cache Compression
von: Zhang, Ruijie, et al.
Veröffentlicht: (2026)

Cross-Sample Augmented Test-Time Adaptation for Personalized Intraoperative Hypotension Prediction
von: Li, Kanxue, et al.
Veröffentlicht: (2025)

PETS: A Principled Framework Towards Optimal Trajectory Allocation for Efficient Test-Time Self-Consistency
von: Liu, Zhangyi, et al.
Veröffentlicht: (2026)

Probabilistic Federated Learning on Uncertain and Heterogeneous Data with Model Personalization
von: Rahman, Ratun, et al.
Veröffentlicht: (2026)

Beyond the Frontier: Stochastic Backtracking for Efficient Test-Time Scaling
von: Tran, Dao, et al.
Veröffentlicht: (2026)

MetaScale: Test-Time Scaling with Evolving Meta-Thoughts
von: Liu, Qin, et al.
Veröffentlicht: (2025)

Every Rollout Counts: Optimal Resource Allocation for Efficient Test-Time Scaling
von: Wang, Xinglin, et al.
Veröffentlicht: (2025)

Core-Halo Decomposition: Decentralizing Large-Scale Fixed-Point Problems
von: Haixiang, et al.
Veröffentlicht: (2026)

Revisiting On-Policy Distillation: Empirical Failure Modes and Simple Fixes
von: Fu, Yuqian, et al.
Veröffentlicht: (2026)

Smaug: Fixing Failure Modes of Preference Optimisation with DPO-Positive
von: Pal, Arka, et al.
Veröffentlicht: (2024)

FlakyGuard: Automatically Fixing Flaky Tests at Industry Scale
von: Li, Chengpeng, et al.
Veröffentlicht: (2025)

Lookahead Sample Reward Guidance for Test-Time Scaling of Diffusion Models
von: Kim, Yeongmin, et al.
Veröffentlicht: (2026)

Rethinking Optimal Verification Granularity for Compute-Efficient Test-Time Scaling
von: Chen, Hao Mark, et al.
Veröffentlicht: (2025)

Effective Test-Time Scaling of Discrete Diffusion through Iterative Refinement
von: Lee, Sanghyun, et al.
Veröffentlicht: (2025)

Crosslingual Reasoning through Test-Time Scaling
von: Yong, Zheng-Xin, et al.
Veröffentlicht: (2025)

Extending Test-Time Scaling: A 3D Perspective with Context, Batch, and Turn
von: Yu, Chao, et al.
Veröffentlicht: (2025)

Rollout Roulette: A Probabilistic Inference Approach to Inference-Time Scaling of LLMs using Particle-Based Monte Carlo Methods
von: Puri, Isha, et al.
Veröffentlicht: (2025)

A Pretrained Probabilistic Transformer for City-Scale Traffic Volume Prediction
von: Shen, Shiyu, et al.
Veröffentlicht: (2025)

FuzzingRL: Reinforcement Fuzz-Testing for Revealing VLM Failures
von: Xu, Jiajun, et al.
Veröffentlicht: (2026)

CodeScaler: Scaling Code LLM Training and Test-Time Inference via Reward Models
von: Zhu, Xiao, et al.
Veröffentlicht: (2026)

Atom of Thoughts for Markov LLM Test-Time Scaling
von: Teng, Fengwei, et al.
Veröffentlicht: (2025)

SWT-Bench: Testing and Validating Real-World Bug-Fixes with Code Agents
von: Mündler, Niels, et al.
Veröffentlicht: (2024)

FlakyFix: Using Large Language Models for Predicting Flaky Test Fix Categories and Test Code Repair
von: Fatima, Sakina, et al.
Veröffentlicht: (2023)

Test-Time Scaling in Diffusion LLMs via Hidden Semi-Autoregressive Experts
von: Lee, Jihoon, et al.
Veröffentlicht: (2025)

A Unified Framework for Human-Allied Learning of Probabilistic Circuits
von: Karanam, Athresh, et al.
Veröffentlicht: (2024)

Revisiting Multi-Agent Debate as Test-Time Scaling: A Systematic Study of Conditional Effectiveness
von: Yang, Yongjin, et al.
Veröffentlicht: (2025)

Revisiting the Test-Time Scaling of o1-like Models: Do they Truly Possess Test-Time Scaling Capabilities?
von: Zeng, Zhiyuan, et al.
Veröffentlicht: (2025)

Rethinking the Role of Prompting Strategies in LLM Test-Time Scaling: A Perspective of Probability Theory
von: Liu, Yexiang, et al.
Veröffentlicht: (2025)

SWE-Replay: Efficient Test-Time Scaling for Software Engineering Agents
von: Ding, Yifeng, et al.
Veröffentlicht: (2026)