محققان روش نوآورانهای به نام «Test-Time Scaling via Error Localization» یا به اختصار TTEL معرفی کردهاند که دنیای استدلال مدلهای هوش مصنوعی را تغییر میدهد!
در روشهای فعلی، مدلها برای رسیدن به پاسخ درست، زمان و توکن زیادی مصرف میکنند، اما اغلب بخشهای صحیحِ استدلال را نادیده میگیرند. الگوریتم TTEL با شناسایی دقیق محل وقوع خطا در حین پردازش و بازسازی هوشمندانه مسیر استدلال، بهرهوری را به شدت بالا برده است.
نتایج فوقالعاده است: مدل Qwen3-8B با این روش توانسته در تستهای برنامهنویسی و ریاضی (مانند AIME-2025)، با صرفِ نیمی از توکنهای مصرفی نسبت به روشهای رایج، عملکرد بسیار بهتری ارائه دهد. این یعنی هوش مصنوعی سریعتر، دقیقتر و بهصرفهتر! 🧠✨
منبع: arXiv Machine Learning