数学推理中的策略可执行性：利用人机差异实现有效引导

基于示例的引导被广泛用于在推理时改进数学推理，但其效果在不同问题与模型间高度不稳定——即使引导本身正确且与问题相关。我们表明，这种不稳定源于一个此前未被充分探索的差距：策略使用（某推理策略是否出现在成功解答中）与策略可执行性（该策略实例化为目标模型引导时是否仍然有效）之间的差异。通过对配对的人类撰写与模型生成解答的受控分析，我们识别出使用与可执行性之间的系统性分离：人类来源与模型来源的策略以结构化的、依赖领域的方式不同，导致互补优势以及引导下一致的、依赖来源的反转。基于这一诊断，我们提出选择性策略检索（SSR），一个测试时框架，使用经验性的、多路径的、来源感知的信号显式建模可执行性，选择性地检索并组合策略。在多个数学推理基准上，SSR 相比直接求解、上下文学习与单来源引导都带来可靠且一致的改进，紧凑推理模型在 AIME25 上提升最多 +13 分，Apex 上 +5 分。代码与基准发布于 https://github.com/lwd17/strategy-execute-pipeline。