SPREG：基于结构化计划修复与熵引导测试时干预的大语言模型推理

大语言模型在长链推理中易出现逻辑幻觉和随机漂移。虽然无分类器引导（CFG）能提升指令遵循度，但静态实现常导致语义稀释。本文提出 SPREG，一种轻量级推理时框架，用于精准纠错。该方法采用自适应双阈值机制监控实时熵，将“熵尖峰”识别为逻辑失败指标，并通过替换无效先验为历史高置信状态合成的参考分布来触发动态修复。实验显示，其在 AIME25 上绝对准确率提升 20.0%，有效抑制了复杂任务中的熵漂移。