arXiv cs.AI· Jeong-Yoon Kim, Tae-Yoon Lee·· 11 小时前AI 评分20
Adaptive Semantic Branching（ASB）：利用跨轨迹分歧再生成扩展推理候选
Adaptive Semantic Branching: Disagreement-Localized Cross-Trajectory Regeneration for Reasoning Candidate Expansion
AI 导读
研究者提出免训练的推理流程 Adaptive Semantic Branching（ASB），将同一问题的多条推理轨迹按最终答案分组，用单调动态规划对齐推理步骤，并借持续分歧目标定位路径分叉点，再以竞争轨迹的推理窗口为条件重新生成候选。
正文 · AI 翻译
摘要：针对同一问题生成的推理轨迹常常得出相互矛盾的答案。这些分歧揭示了可被复用来探索新解的替代中间决策。我们提出自适应语义分支（Adaptive Semantic Branching, ASB），一种无需训练的推理流程，将跨轨迹分歧转化为有针对性的候选生成。ASB 首先按提取出的最终答案对独立采样的轨迹进行分组，从每组中选出一个代表，并用单调动态规划对齐它们的推理步骤。一个持续分歧目标识别出最初相似的推理路径开始产生不同延续的位置。对于每个选定的有向对，ASB 保留源轨迹的文本前缀，从竞争的供体轨迹中提取一个较短的推理窗口，并以二者为条件生成新的解。一个多样性感知策略根据答案簇结构分配最多三次额外生成。在 Qwen2.5-7B-Instruct 上进行的 500 题 MATH 评测中，ASB 将 oracle 候选覆盖率从七个初始样本的 445/500（89.0%）提升至 455/500（91.0%），为 55 个初始未覆盖问题中的 10 个恢复了正确候选。该方法在整个评测集上使用了 576 次额外生成调用，平均每题 8.152 次调用。我们给出了分支算子、对齐目标、生成策略和实验配置的精确规范。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2611.07918 [cs.AI] |
| （或 arXiv:2611.07918v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.07918 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jeong-Yoon Kim [查看邮箱]
[v1]
2026年11月5日 星期四 12:29:57 UTC（13 KB）
来源：arXiv cs.AI · arxiv.org