小模型错误助大模型推理，CritICL 显著减少生成成本
rohanpaul_ai · x · 2026-08-31
论文 CritICL 提出一种新思路：利用小模型的错误模式来提升大模型的推理能力。研究显示，同一模型家族内的失败模式具有结构化相似性。CritICL 运行小模型并记录其错误及简短批评，当大模型遇到新问题时，在提示词中检索注入最可能犯错的批评信息。实验表明，这种方法在数学问题上仅需 1 次生成即可达到传统多次生成投票的准确率，显著降低了推理算力成本。
所属事件:CritICL 借小模型失败模式增强大模型推理(2 条相关)→
「研究」频道最新
- 伯克利团队用扩散模型直接采样机器人策略权重，Unitree G1 真机走跑起舞 — berkeley_ai · 2026-10-16
- HKU 等提出 OneWM：统一因果训练让世界模型与动作学习互相增益 — IAAI233 · 2026-10-16
- 百度提出 Virtual Head Attention：同时压 KV cache、算力并保质量 — baidu · 2026-10-16
- 5.8M 参数语音事件检测器：为 Whisper 转录补上笑声呼吸与背景音 — Ayush Kumar Bar · 2026-10-16
- 华为等提出 SUPRA-Tex：单图生成可重打光 3D 材质，所见即所得 — Chen Yang · 2026-10-16
- RoboVista 机器人理解基准发布:Gemini-4 Argon 81.9% 登顶 — berkeley_ai · 2026-10-16