arXiv · NLP· Zhitong Chen, Weifeng Zhang, Kai Yin, Zhiyuan Wang, Ali Mostafavi, James Caverlee·· 8 小时前AI 评分28
结构化工作流规划中的测试时推理审计：从表面搜索增益到选择失败
From Apparent Search Gains to Selection Failures: Auditing Test-Time Inference in Structured Workflow Planning
AI 导读
研究通过分解推理阶段发现，独立采样可复现树搜索的候选发现能力，且结构验证从未剔除最后一条正确工作流。主要失效源于多数投票机制，导致10%-19%的任务中已发现的正确工作流未被选中。结果强调应审计实际而非名义推理管道，并分开报告发现、有效性与选择。
来源：arXiv · NLP · arxiv.org