Box Maze：一种用于可靠 LLM 推理的过程控制架构

大型语言模型虽具备强大生成能力，但在对抗性提示下易产生幻觉且推理不可靠。现有安全方法多作用于行为层面，缺乏保障推理过程完整性的显式架构机制。本文提出 Box Maze 框架，一种概念性过程控制架构，将 LLM 推理分解为记忆锚定、结构化推断和边界执行三个显式层。初步仿真评估显示，该架构在对抗场景下能将边界失效率从基线的 40% 降至 1% 以下，表明过程级控制是提升 LLM 推理可靠性的有效方向。