面向结构化假设空间推理的量子启发式轨迹增强证据选择

大型语言模型在专业考试中表现优异，但在法律等证据密集型领域仍显脆弱，主要源于证据区分细微及使用不一致。针对多数投票聚合思维链（CoT）轨迹时忽略证据强度的问题，本文提出将 CoT 片段选择建模为组合优化问题。引入 EP-HUBO 方法，利用小型模型生成多轨迹并解析为证据池，通过高阶无约束二元优化（HUBO）结合质量权重求解，最终由前沿模型裁决。在法律基准测试中，该方法有效保留了少数但正确的假设，显著提升了推理可靠性。