Score $\times$ 解码器：缓解幻觉的无监督推理时间缩放的统一视图

即使答案在他们的参数范围内，大语言模型 也会产生幻觉。虽然推理时间缩放可以揭示这些潜在知识，但最有效的方法需要监督：训练有素的验证者或奖励模型。我们问仅使用基本语言模型可以做什么：哪种内在信号最好地识别正确的输出，以及应该如何对其进行解码？我们将其作为一个分数~$\times$~解码器网格，将四个分数（困惑度、对比、功率分布可能性和自我验证）与三个解码系列（优化、采样、共识）配对，并使用基础和指令调整的 Qwen3-1.7B 评估 MATH500 上的每个单元。虽然自我验证（提示模型判断自己的答案并通过 无需训练 虚拟思维前缀进行强化）在大多数设置中效果良好，但没有分数具有固定的质量：其价值取决于使用它的解码器和模型能力。当没有监督可用时，必须一起选择分数和解码系列。