Gacha Decoding 提升语言模型输出多样性
先了解这件事
AI 综述
2026年10月2日，Nathan Lambert 在 X 上介绍了 Gacha Decoding 方法。该方法通过给语言模型配备外部随机数生成器（RNG）工具，并让其进行“掷骰规划”，把输出多样性的来源从 token 熵转向指令遵循。报道称，这一方法的样本效率比此前方法提升逾 11 倍。目前该事件仅有这一条报道，后续进展有待观察。
报道时间线
10月2日
- Gacha Decoding：用外部 RNG 与指令遵循提升 LM 输出多样性，样本效率超此前方法 11 倍
Gacha Decoding 通过给 LM 配备 RNG 工具并让其"掷骰规划"，把多样性来源从 token 熵转向指令遵循，样本效率比此前方法提升逾 11 倍。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。