一种用于免训练多模态步骤验证的纳什均衡框架

多模态大语言模型生成的推理链常含细微错误。现有验证方法存在局限：学习型评论家需大量数据且表现不稳定；免训练方法仅简单平均分数，忽视了分歧本身蕴含的有效性信息。本文提出一种免训练验证方法，将逐步验证视为专用评判器间的协调问题，形式化为纳什均衡博弈：一致表示有效，分歧揭示不稳定。该方法通过闭式解计算均衡分数，实现感知分歧的过滤与关注稳定性的排序。在六个基准测试中，该方法较基线提升 2.4% 至 5.2%，性能媲美学习型评论家，证明跨模态一致性可提供鲁棒的验证信号。