量化多查询LLM推理中的跨查询矛盾

大语言模型在对多个相关查询进行推理时，经常产生相互矛盾的答案。我们研究案卷级逻辑一致性：在相互依赖的查询之间维持全局可满足的信念状态。我们构建了一个包含390个多查询推理实例、标注蕴含/矛盾/未知标签的基准，并提出案例可满足率（Case Satisfiability Rate）、矛盾密度（Contradiction Density）和修订成本（Revision Cost）等集合级指标。我们的求解器增强方法提取承诺、验证全局可满足性，并执行反例引导的修复。在四个推理领域上，我们的方法大幅减少跨查询矛盾（SetCons从0.56提升至0.94），同时保持单查询准确率，表明全局一致性对稳健的多查询推理至关重要。