待验证50% 置信事实精确时间

SMC是一类基于序贯重要性采样的推理算法，最初用于贝叶斯滤波与状态空间模型，后被引入自然语言生成领域。

1

来源数

50%

置信度

长期有效

时效性

2026/10/30

首次发现

来源

小模型语法控制：SMC让语言学习对话更精准

涉及实体

SMCconcept 序贯重要性采样concept

相关事实

待验证SMC的设计灵感来源于推测解码（Speculative Decoding）技术，并将其从token级别提升到动作链级别70% 相似已验证Mamba 等基于状态空间模型（SSM）的架构以线性复杂度实现序列建模，更适合实时推理63% 相似待验证研究提出使用序列蒙特卡洛（SMC）方法引导小模型的对话生成走向专家设定的语法目标。62% 相似待验证SMC在生成过程中维护一组带权重的候选序列（粒子），每步根据势函数重新加权并重采样。61% 相似待验证状态空间模型典型代表包括 S4、Mamba 等，通过将递归写成连续微分方程或离散线性递推，并借助卷积或选择性扫描实现高效并行训练。60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1115487

API

curl https://kongchang.com/api/v1/knowledge/claims/1115487

MCP

get_claim(id=1115487)