模型知晓，解码器寻找：未来值引导的粒子幂采样

针对“无需训练的推理”中基础大语言模型已具备正确多步解概率但难以高效定位的问题，本文提出辅助粒子幂采样（APPS）。该算法通过块式粒子机制近似序列级幂目标，利用未来值引导的选择策略在重采样边界优化假设生存率。APPS 将有限计算资源重新分配至竞争前缀而非单一路径，并通过短视野展开或轻量级学习头实例化未来值信号。实验表明，该方法显著改善了无训练解码的准确率与运行时权衡，缩小了与后训练系统的差距。