DiSCTT：用于高效测试时推理适应的共识引导自课程

测试时适应无需额外监督即可提升大语言模型推理性能，但现有方法常对所有输入应用统一优化目标，导致在异构推理问题上效率低下或不稳定。本文提出 DiSCTT，一种难度感知、共识引导的自课程框架。该框架根据采样推理轨迹的一致性估算实例级认知不确定性，动态分配优化策略：高一致性输入通过监督微调巩固，低一致性输入则利用共识正则化强化学习优化。实验表明，DiSCTT 在多项数学及通用推理基准上显著优于基线，兼具高精度、低方差及更低计算成本。