arXiv cs.CL· Xinchen Xiao·· 10 天前AI 评分30
Route-Verify-Vote：面向混合域推理的过程条件自一致性框架
Route-Verify-Vote: Procedure-Conditioned Self-Consistency for Mixed-Domain Reasoning
AI 导读
针对 SCoRE 2026 三项训练中未出现的混合域任务，研究者提出 Route-Verify-Vote（RVV）框架，无需更新参数即可让语言模型按域标签选择推理过程、逐项验证并聚合完整答案集。官方测试集上，每题采样 16 个答案集投票的精确集合准确率为 74.6%，自适应 RVV 达 77.3%，在选定域路由上组合多模型后升至 79.4%，最终系统在参赛系统中排名第二。
正文 · AI 翻译
摘要：当语言模型必须以不熟悉的方式组合熟悉的推理操作时，组合泛化仍然具有挑战性。基于场景的常识推理评估（SCoRE）2026 在训练中未出现的三个混合领域上测试这一能力，并要求模型为每个问题识别出完整的正确选项集合。
我们提出 Route-Verify-Vote（RVV），一个用于过程条件化自洽性的框架，它使用语言模型而无需更新参数。Route 使用提供的领域标签来选择一种推理过程，引导模型表示并应用相关约束。Verify 提示模型根据这些约束评估每个选项。Vote 汇总完整的答案集，并将额外样本分配给两个最频繁集合之间票数差距较小的问题。每个问题的样本遵循相同的领域特定过程。
在官方测试集上，对每个问题 16 个采样答案集进行投票，达到了 74.6% 的精确集合准确率。自适应 RVV 达到 77.3%，而在选定的领域路径上组合模型将准确率提升至 79.4%。最终系统在参与系统中排名第二。这些结果支持领域特定推理过程和答案集分歧作为在混合领域推理中分配推理时计算的有用工具。
| 评论： | 12 页，8 幅图，8 张表。被 CCL26-Eval 接收为口头报告 |
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.08814 [cs.AI] |
| （或 arXiv:2610.08814v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.08814 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Xinchen Xiao [查看电子邮件]
[v1]
2026 年 9 月 23 日星期三 16:14:38 UTC（353 KB）
来源：arXiv cs.CL · arxiv.org