通过主张级可靠性评估提升测试时推理效率
研究提出了主张级可靠性评估（Claim-Level Reliability Assessment，CLR），这是一种无需额外训练、旨在更高效利用推理时计算资源的方法。CLR不再生成更多完整解答，而是从推理轨迹中提取对决策至关重要的主张，并针对性地检查其中是否存在决定性错误。该方法利用了一个不对称性：构建正确解答需要一条完全无误的推理路径，而反驳错误主张只需找到一个决定性缺陷。在四个大语言模型和四个推理基准上的测试中，CLR总体上优于pass@1和自洽性方法。在GPT-OSS-20B/CMIMC25上，CLR比pass@1高出27.15个百分点，将自洽性准确率从77.50%提升至82.19%，同时减少了37.0%的token使用量。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。