在线确定性验证：实时纠错大模型推理，错误答案净减最多 14.9%
原文标题：Catch It Where It Happens: Real Time Error Correction During LLM Reasoning
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出在线确定性验证方法，用代码在推理步骤写出时实时校验，无需调用验证模型或占用 GPU。在符号数学任务上，一旦校验失败即指出错误并让模型原地续写。基于 ASyMoB 基准与三个开源权重模型测试，准确率提升 1.4-5.6 个百分点，错误答案净减 1.8-14.9%，Token 消耗仅增 6-7%。
- 问题
- 大模型推理错误步骤会传播，现有校验要么只看最终答案要么占用 GPU。
- 方法
- 用代码在推理步骤写出时实时确定性校验，失败即指出错误并让模型原地续写。
- 结果
- ASyMoB 上三个开源模型准确率提升 1.4-5.6 个百分点，错误答案净减 1.8-14.9%，Token 仅增 6-7%。
- 影响
- 无需额外模型或 GPU 即可在线纠错，可直接接入现有推理服务。
深读 · 结论先行AI 生成展开看要点与影响 ↓
用代码实时校验推理步骤、失败即原地续写，ASyMoB上错误答案净减1.8%-14.9%，Token仅增6-7%。
- •验证由代码完成，无需调用验证模型或占用GPU，毫秒级检查符号数学表达式
- •校验失败即指出错误并让模型从同一位置继续，而非从头重来
- •在ASyMoB基准与三个开源权重模型上准确率提升1.4-5.6个百分点
- •对应错误答案净减1.8%-14.9%，Token消耗仅增6-7%
- •验证器独立于模型，新模型可立即受益
为什么重要：提供了一条不抢GPU、不增延迟的纠错路径，且随确定性检查器覆盖更多推理类型而增益扩大，对推理成本敏感的生产部署尤其实用。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌 DeepMind 发布 AlphaGenome 2，精细预测突变细胞效应
AI 摘要谷歌 DeepMind 推出 AlphaGenome 2，基于 68 种组织、超 1 亿个细胞图谱训练，可预测遗传变异对特定细胞类型与状态的影响。该模型识别出的影响基因表达的变异数量约为上一代的两倍，并能在未重新训练的情况下预测新细胞类型，有望助力疾病机理研究与药物靶点发现。
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。