最小阻力路径：利用前缀一致性引导大语言模型推理轨迹

大语言模型虽具备强大推理能力，但自一致性等推断策略计算成本高昂。本文提出 PoLR，一种利用前缀一致性实现高效推理的推断时方法。该方法通过聚类推理轨迹的短前缀，识别主导簇并仅扩展该簇内路径，在保持自一致性精度优势的同时，显著降低令牌用量与延迟。理论与实验表明，PoLR 在多个基准测试中表现优异，可减少高达 60% 的令牌使用及 50% 的延迟，且无需微调即可作为现有方法的预过滤器。