Event ·Official first-hand

FLCVA 审计框架检验自适应推理:继续思考的真实价值有限

arXiv 论文 2611.22778 提出 Full-Ledger Counterfactual Value Audit(FLCVA),把自适应推理拆成三个环节:测量继续推理的局部价值、从可观测信号预测该价值、再用预测结果分配算力。方法是在同一个冻结前缀上,将立即作答与四种固定长度续写进行对照,并对策略使用的每个信号计入成本。 在 GSM8K 和 MATH-500 上,随机 256 token 续写能在 26.6% 的 Qwen3-8B 错误案例和 18.9% 的 DeepSeek-R1-Distill-Qwen-7B 错误案例中纠正答案,同时只有 1.4% 和 1.9% 的正确答案被破坏。来自独立采样续写的正确性标签可以预测另一条续写的结果,说明这种信号本身有可预测性。 但在离线回放中用这些标签分配算力,只在 DeepSeek 上带来性能提升,Qwen3 的收益不明确。论文结论是:在全成本核算下,测试的轻量短视控制器主要只是识别当前错误,除此之外对续写本身几乎没有额外价值。研究还用 Llama-8B 复现和动作/成本消融验证了稳健性。

Current read

这篇论文拿数据拆穿了自适应推理里的一个常见假设:预测当前答案错了,不代表多想一步就能改对。作者用 Qwen3-8B、DeepSeek-R1-Distill-Qwen-7B 和 Llama-8B 做对照实验,结论对做测试时算力分配的人很有参考价值。做推理调度或 agent 工程的开发者建议看看。

2 sources36° AI heatLast updated 2026/11/17 13:44:33

Evidence

2 sources
Primary sourcearXiv: DeepSeek
View source
Related source 1LMSYS Org (SGLang)
View source

Conflict check

Dedup data only shows that these sources discuss the same event, not that they agree. There is no structured supporting or refuting evidence yet, so no conflict is inferred automatically.