AI 工作流何时应发布？黑盒生成 - 验证系统的始终有效推理

LLM 驱动的工作流常通过“生成 - 评估 - 修订”迭代循环产出结果，但面临何时停止发布的统计挑战。由于缺乏校准所需的似然模型，本文提出一种“始终有效”的发布封装器。该方法构建高分失败案例的硬负参考池，将黑盒评分转化为保守证据，并利用 e-过程积累证据以支持可选停止。理论证明其在不可行任务上能控制错误发布概率，同时在可行任务上保持非平凡发布率。MBPP+ 案例显示，该方法显著减少了过早错误发布。