先验证后融合：异构语言模型协同新方法提升推理准确性

在异构语言模型协同工作中，如何判断新生成的答案是否应替换已有答案一直缺乏明确标准。最新研究提出“先验证后多样性”方法，将验证机制与答案替换决策解耦，形成可审计的决策规则。该方法要求：若锚定答案能得到两个额外可信样本在固定等价关系下的验证，则保留原答案；否则采用异构合成的新答案。研究证明该方法具有两个精确特性：相对于无条件合成的准确率差距由验证覆盖率和锚定答案在保护子集上的优势共同决定；相对于从不合成的差距则反映授权恢复与授权破坏的对比。在LiveCodeBench-v6基准测试中，该方法达到59.43%准确率，显著优于单模型和异构聚合方法；在GPQA-Diamond专业问答测试中达到75.00%准确率。该方法不依赖独立性假设或校准置信度，预期推理成本约为8减去5倍覆盖率的调用次数。研究者强调：多样性提供潜力，验证结构提供权威性，这一框架为多模型协同提供了可解释的决策基础。