arXiv研究：token置信度评分主要反映推理链长度

arXiv一项研究用频谱分析等信号处理工具审计基于token置信度的推理链选择方法，发现滑动窗口最小值评分主要反映链的长度：仅按长度排序效果不差于置信度评分，扣除长度后评分不携带正确性信息。 该研究将逐token记录的置信度当作信号，用标准信号处理工具分析。实验设置是从两个数学基准各取500题、用小型开源推理模型每题采样16条链。分析显示，错误推理链虽有更快的token波动，但信号太弱，无法改进多数投票；对提前停止推理链，置信度方法和经典变点检测都不如直接减少采样链数。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。