LLM Reliability Reasoning Evaluation Reproducibility Study Test-Time Scaling
摘要

本文独立复现并压力测试了两种提升大语言模型(LLM)推理可靠性的近期方法:RPC(推理路径聚合)和LCF(逻辑一致性过滤)。针对原研究缺乏跨领域/模型验证及代码缺失的问题,我们在四个新任务域和多个7-8B参数模型上进行了扩展评估。结果显示,RPC在新领域中对自洽性的优势并不显著;LCF虽能分离逻辑内容,但其对推理准确率的提升微弱且统计不显著,甚至在部分模型中产生负面影响。本研究揭示了现有推理增强方法在泛化性上的局限。

AI 推荐理由

论文直接评估LLM推理可靠性,涉及概率聚合与逻辑表示编辑,属于推理能力核心研究。

研究机构
Remember & Company AI Lab, DSAIL, Dept. of Applied AI, Sungkyunkwan University, Seoul, Republic of Korea MAIN Lab, Dept. of Applied AI, Sungkyunkwan University, Seoul, Republic of Korea
论文信息
作者 Minhan Cho, Jimin Kweon
发布日期 2026-08-09
arXiv ID 2608.08514
相关性评分 9/10 (高度相关)