重新采样还是重新路由？无需确定行动选择即可收回的停止债务

在弱验证者接受大语言模型响应后，第二次调用可能会重新采样或重新路由。由于正确性是隐藏的，所以动作选择是一个识别问题。我们订购了三个门：可收回的停止债务、双边 FIT 行动支持以及结果盲目选择者的保留价值。在固定的 152 个查询 MBPP+ 实验中，仅 Qwen2.5-14B Base 假阳性停止使 Qwen2.5-7B 恢复率增加 2.592 个百分点（查询集群 95% 区间 [+1.618，+3.664]）。另外，在 7B 基础测试拒绝后，固定升级到 14B 超过留一 7B 重采样 +2.882 点 [+0.931，+5.201]；这是固定动作排名，而不是条件选择。全集审计产生 +2.697 点的已实现最大差距，但对于两个行动，该统计数据等于 (1/2)E|Delta| - (1/2)|E 三角洲|并且不包含可观察的历史术语。它位于精确倍数可交换参考内（平均值 +3.158；95% 区间 [+2.434，+3.947]）。审计无条件对 1,520 个事件进行操作：1,240 个可观察的停止和 280 个验证者拒绝； 198 次停止是仅评估器误报。测试的结果盲控制器都没有改进固定重新路由。尽管有独家的 TEST 救援，但单独的 LiveCodeBench 梯子仍具有全零 FIT 操作优势。然后，预先注册的 BigCodeBench 支持门仅发现 23/19 和 22/19 签名的剧集/查询，而最小值为 25/20，因此 L1-L4、DEV 和 TEST 保持未打开状态。停止债务是存在的，但目前的证据并没有确定何时重新抽样而不是重新安排。