SAGE：用拓扑引导缓解长程推理偏差
热点事件持续更新
SAGE：用拓扑引导缓解长程推理偏差
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
研究者 Xinyue Zeng 等人提出 SAGE（Structural Admissibility-Guided Exploration）框架，通过注入代数稀疏化与双曲结构引导，缓解大语言模型长程推理中的探索偏差与累积偏差。 据该论文称，在 12 个基准和 7 个模型族上，SAGE 优于竞争基线，在 Andrews-Curtis 问题上最高提升 8 倍。该工作已被 NeurIPS 2026 接收，代码已开源。
AI 根据报道生成 · 5 小时前更新
最新进展11月4日 13:00
SAGE：用拓扑引导缓解大语言模型长程推理偏差报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · cs.AISAGE：用拓扑引导缓解大语言模型长程推理偏差
研究者提出 SAGE（Structural Admissibility-Guided Exploration）框架，通过代数稀疏化与双曲结构引导缓解长程推理中的探索偏差和累积偏差。在 12 个基准和 7 个模型族上，SAGE 优于竞争基线，在 Andrews-Curtis 问题上最高提升 8 倍。该工作已被 NeurIPS 2026 接收，代码已开源。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月4日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。