标签
本文提出MARS，一种用于并行LLM测试时扩展的停止规则，通过探测部分轨迹来提前停止而不牺牲准确性，在竞赛数学基准测试上为推理模型节省25-47%的令牌。
本文提出了 Behavior Forecasters，一种从推理轨迹中预测 LRM 未来行为（如答案一致性和输入敏感性）的学习方法，以更低的成本超越了 GPT-5.4 和 Claude Opus 4.6。
KACE 引入了一种知识自适应上下文工程方法，通过认知树和分层自一致性将存储与使用分离，在 AIME 2025 上达到了 62.2% 的准确率——相比固定自一致性提升了 10.4 个百分点。
本文揭示，聚合多个LLM智能体的完整推理轨迹（而非仅其最终答案）即使在所有智能体一致同意的情况下也能纠正错误，引入了“聚合悖论”以及Self-Consistent Mixture of Agents方法。
本文提出一个自监督框架，利用多语言自一致性和自我批评机制在不同语言间迁移文化知识，通过从本地语言表征中揭示潜在文化知识，在BLEnD基准测试的英语查询中平均提升5.03%。
本文介绍了“前缀一致性”这一方法，它根据思维链推理中痕迹再生成时的答案重现率对候选响应进行加权。该方法在各种推理模型和基准测试中，以显著少于标准多数投票的令牌数实现了高准确率。