何时投票、何时重写：面向测试时扩展的分歧引导策略路由

大推理模型（Large Reasoning Model，LRM）在数学推理任务上表现强劲，但在困难实例上仍不可靠。现有的测试时扩展方法，如重复采样、自我修正和树搜索，以增加计算为代价提升性能，但在困难问题上往往收益递减。我们观察到输出分歧与实例难度和预测正确性强相关，为在测试时引导实例级策略选择提供了有用信号。基于这一洞察，我们提出一个免训练框架，将测试时扩展形式化为实例级路由问题：不是在单一策略内分配更多计算，而是基于输出分歧在不同扩展策略之间动态选择。该框架对一致的情形采用轻量级处理，对中度分歧采用多数投票，对高度歧义的实例采用基于重写的重新表述。在七个数学基准和三个模型上的实验表明，与现有方法相比，我们的方法将准确率提升3%-7%，同时降低了采样成本。