从幻觉到结构滚雪球：LLM 反思中约束解码的对齐代价

大型语言模型在开放式推理任务中常因“幻觉滚雪球”现象导致内在自我修正失败，即模型在自由文本反思中递归地合理化早期错误。本研究探讨仅通过基于 Outlines 的约束解码强制结构化反思，能否在不额外训练的情况下阻断错误传播。实验发现，单纯施加结构约束不仅未提升自我修正性能，反而引发了新的“结构滚雪球”失败模式。严格的格式规则增加了认知负荷，使模型陷入格式陷阱，虽实现表面句法对齐，却无法检测或解决深层语义错误。这揭示了约束解码固有的“对齐代价”。