CoRefine：面向自适应测试时计算的信度引导自我精炼

大语言模型（LLM）常依靠并行解码的测试时扩展（例如512个样本）来提升推理准确率，但这会带来大量计算。我们提出CoRefine，一种信度引导的自我精炼方法：在冻结LLM之上加装一个轻量的211k参数Conv1D控制器，用一小部分token即可达到有竞争力的准确率。该控制器读取完整轨迹的置信度，决定停止、重新检查还是尝试不同方法，实现有针对性的自我纠正，平均每个问题2.7次精炼步骤，相对512样本基线约减少190倍token。在多样的推理基准与三个开源模型上，该控制器在自信停止时达到92.6%的精确率，表明置信度动态能在没有真值验证的情况下可靠地指示正确性。我们将其扩展为CoRefine-Tree，一种顺序-并行混合变体，可自适应平衡探索与利用，便于服务端集成并与验证器兼容。通过把置信度当作控制信号而非正确性保证，CoRefine为可扩展推理以及验证器不完备的agentic场景提供了一个模块化原语。