复现与压力测试两种大语言模型推理可靠性方法：测试时概率聚合与逻辑表征编辑

我们独立复现了两种近期提出的、用于提升大语言模型（LLM）推理可靠性的方法，并在跨领域、跨模型条件下对其进行压力测试（RPC在Qwen3-8B上跨四个新任务领域测试，LCF在四个7-8B模型上测试）。第一种方法RPC在推理时聚合token概率与自洽性；第二种方法LCF训练投影器，将隐藏状态拆分为“内容”与“逻辑”两部分，并把逻辑部分编辑到有效区域。验证这类可靠性主张很重要，因为原始评估由各方法作者自己完成，从未被独立复现或跨模型跨领域压力测试，且LCF未发布公开代码。我们重跑了RPC已发布路径的聚合，并重新实现LCF的投影器、对比与干预流水线，然后将两者扩展到text-to-SQL、法律信息抽取、谬误识别和判例评级任务，并直接探测LCF的表征。RPC在作者发布的推理路径上完全复现了原始结果网格；在四个新领域中，其相对自洽性的优势从不显著（打平或小幅互有胜负，配对p >= 0.28）；在BIRD（唯一一个我们改变预算的领域）上，优势如预期随K增长，但在把样本扩大到n=200后，其最大差距（K=32时准确率+2.5，p=0.16）反转为-0.25。LCF的逻辑有效性方向真实但微弱（单一最佳子层的可分性为0.82，而语义属性对照为0.95）；其唯一正向效应（Qwen3的ΔProb）不显著（p=0.56），同时在其余三个模型中的两个上显著降低ΔProb。