Search for a command to run...
Decoding Tree Sketching（DTS）是由约翰斯·霍普金斯大学联合北卡罗来纳大学夏洛特分校等高校的研究团队于 2025 年 11 月提出的，相关研究成果发表于论文「DTS: Enhancing Large Reasoning Models via Decoding Tree Sketching」。
DTS 是一种模型无关的解码框架，通过在推理时构建动态推理树来缓解过度思考。具体来说，DTS 利用下一标记熵定位临界发散点，引导构成推理树骨干的分支的选择性扩展。所有分支都通过自回归生成并行解码，DTS 采用早期停止策略返回第一个完成的分支，这对应最短推理路径，并作为最短最优轨迹的近似。
Search for a command to run...
Decoding Tree Sketching（DTS）是由约翰斯·霍普金斯大学联合北卡罗来纳大学夏洛特分校等高校的研究团队于 2025 年 11 月提出的，相关研究成果发表于论文「DTS: Enhancing Large Reasoning Models via Decoding Tree Sketching」。
DTS 是一种模型无关的解码框架，通过在推理时构建动态推理树来缓解过度思考。具体来说，DTS 利用下一标记熵定位临界发散点，引导构成推理树骨干的分支的选择性扩展。所有分支都通过自回归生成并行解码，DTS 采用早期停止策略返回第一个完成的分支，这对应最短推理路径，并作为最短最优轨迹的近似。
有效解决了 LVLM 安全对齐中的关键挑战。
DePass 用于通过分解前向传递来解释 Transformer 模型。
SoCE 是一种基于自动类别感知专家选择机制、结合多基准任务的模型优化范式。
iSeal 在 12 个 LLM 上对超过 10 次攻击实现 100% 指纹成功率（FSR）。
WorldGen 能够打造出几何统一、视觉丰富且实时渲染高效的世界。
Model Souping 可以通过对多个微调解的权重进行平均来生成更优的模型。
Skills 是封装知识与流程的可复用能力模块，使 AI 从通用模型转变为专业智能体
有效解决了 LVLM 安全对齐中的关键挑战。
DePass 用于通过分解前向传递来解释 Transformer 模型。
SoCE 是一种基于自动类别感知专家选择机制、结合多基准任务的模型优化范式。
iSeal 在 12 个 LLM 上对超过 10 次攻击实现 100% 指纹成功率（FSR）。
WorldGen 能够打造出几何统一、视觉丰富且实时渲染高效的世界。
Model Souping 可以通过对多个微调解的权重进行平均来生成更优的模型。
Skills 是封装知识与流程的可复用能力模块，使 AI 从通用模型转变为专业智能体
