HugMap
人工智能
云计算
半导体
网络安全
企业软件
区块链
量子计算
生物科技
新能源与智能制造
智能穿戴
机器人
智能手机
图谱探索
趋势分析
登录
注册
Small RL Controller, Large Language Model: RL-Guided Adaptive Sampling for Test-Time Scaling
文章
ArXiv CS.CL
2026-06-03
NEWS
en
作者: Runpeng Dai, Tong Zheng, Rui Liu, Chengsong Huang, Hongtu Zhu
查看原文
→
关系图谱
概览
相关事件
相关公司
相关人物
相关产品
相关技术
Small RL Controller, Large Language Model: RL-Guided Adaptive Sampling for Test-Time Scaling · 相关技术
相关技术
Markov decision process (MDP)
constrained optimization
Lagrangian relaxation
reinforcement learning
Markov Decision Processes
adaptive sampling
large language models
Test-Time Scaling