草图和验证：通过程序草图进行结构化推理时间缩放

SKETCHVERIFY 是一项层内性价比策略，而不是普遍的精度改进。操作问题：由于延迟、部署或预算原因，从业者坚持使用小型、廉价的代码模型（此处为 Gemini 3.1 Flash Lite）——他们应该如何花费少量额外的测试时间计算？ SKETCHVERIFY 因式分解搜索空间：LLM 枚举 K 个不同的算法策略，为每个策略编写一个程序草图（带有 ?? 漏洞的部分程序），并将每个草图填充 M 次，产生 K x M 结构多样的候选者，这些候选者通过执行进行验证并通过指纹聚类进行选择。每个额外的草图都保证探索不同的算法；每个额外的平面样本可能都会重复现有的样本。我们的核心证据是 HumanEval+ 上跨三个 Gemini 层（Lite、Flash、Pro）的成本质量帕累托图，以及对 Lite 贪婪失败的 19 个问题的重新分析。两个发现：（1）在层内，草图在匹配的候选数量上主导平面抽样。在困难子集上，Lite Sketch K=2、M=5 恢复为 11/19 (58%)，而平面 N=10 恢复为 5/19 (26%，+32pp)； Lite Sketch K=10、M=10 恢复为 15/19 (79%)，而平面 N=100 恢复为 10/19 (53%，+26pp)。即使预算约为 3 倍，Flat 也无法缩小差距：Flat N=50 仍然输给 Sketch K=2、M=5 +11pp。 （2）跨层级，画图不取代升级。 Pro 贪婪 (89%) 在 pass@1 和美元成本上都优于 Lite Sketch K=10、M=10 (79%)。实践者规则：如果有更强的层可用，就使用贪婪；否则，绘制草图是花费额外计算的经济有效的方法。我们通过 Flash Lite 缩放扫描来描述 K-vs-M 权衡，报告 Flash 和 Pro 上的 HumanEval+ 饱和度，并展示该方法与并发语义投票工作线中基于执行的选择完美结合。