并非所有查询都需要深度思考：CoFiCot 用于自适应由粗到细的状态化精炼

扩展测试时计算可增强大语言模型推理能力，但面临均匀计算悖论：同等资源分配导致简单任务过度修正而复杂任务精炼不足。为此，我们提出 CoFiCot，一种由粗到细的自适应框架，能根据问题难度动态定制推理策略。该框架通过多指标分类器综合语义熵、共识可靠性及预测推理深度对查询进行分流，实现差异化精炼：简单查询采用高效聚合，复杂查询则进入上下文感知修正循环。我们将修正形式化为状态化序列传播过程，确保每次修复严格基于已验证的历史修正记录，有效桥接细粒度错误定位与全局逻辑连贯性。