CritICL: Inference-Time Weak-to-Strong Generalization from Small Language Model Failure Modes

• 类型：arxiv
• 标识：2608.27455
• 链接：https://arxiv.org/abs/2608.27455
• 主分类：llm-infra
• 形态：method
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Experimental results show that CritICL consistently outperforms standard in-context learning and achieves performance competitive with or superior to test-time scaling methods, while requiring significantly fewer generations and lower token cost.
• OpenAlex ID：W7204542891
• OpenAlex DOI：10.48550/arxiv.2608.27455
• DOI：10.48550/arxiv.2608.27455
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2608.27455
• OpenAlex更新：2026-09-02
• 待LLM分类：否
• 标题中文：CritICL：基于小语言模型失败模式的推理时弱到强泛化
• TLDR中文：实验结果表明，CritICL 持续优于标准 in-context learning，并以显著更少的生成次数和更低的 token 成本，取得与 test-time scaling 方法相当或更优的性能。
• 来源文件：
• /inbox/tom/_candidates/2026-08-29-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-08-30-agent-rag-longcontext-candidates.json
• [S2 enrich]
• /inbox/tom/_candidates/2026-08-31-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-08-31-agent-memory-tool-use-candidates.json
• [OpenAlex backfill]