摘要
本文研究测试时聚合方法,即生成多条推理轨迹并聚合成最终答案。现有方法多依赖孤立评估信号或答案频率,忽视候选间的交互。我们提出联合一致性(JC),将其建模为约束伊辛型能量最小化问题,其中独立评估信号作为外场,成对比较作为相互作用。JC 提供了一个统一框架,涵盖现有投票和加权聚合方法。利用大模型作为裁判构建交互矩阵,并在答案级同质性假设下提供理论解释。实验表明,JC 在数学和代码推理基准上持续优于现有基线。
AI 推荐理由
论文提出联合一致性框架,通过能量最小化聚合多条推理轨迹,核心提升推理能力。
研究机构
EPFL
SUFE
论文信息