DeepLook 用置信度定位分支点，数学任务省 token 但难辨幻觉。
资讯摘要
论文提出免训练解码框架 DeepLook，通过监测推理片段级置信度，仅在不确定性瓶颈处分支，并用固定视界 rollout 的平均前瞻置信度（ALC）对候选续写排序，再在剪枝子集上完成与投票。作者报告在四个开源模型、四个竞赛数学基准上，16 个设置中有 12 个达到或超过 DeepConf-low 的准确率，同时生成 token 减少 87.3%；但在 GPQA-Diamond 上准确率优势消失，token 节省仍存在，说明内部置信度只能定位不稳定而非虚假内容。
要点速读
- DeepLook 为免训练解码框架，按片段置信度决定分支位置，以 ALC 排序候选续写。
- 作者报告在四个开源模型、四个数学基准的 16 个设置中，12 个匹配或超过 DeepConf-low，token 减少 87.3%。
- 在 GPQA-Diamond 上准确率优势消失，作者归因于连贯幻觉同样获得高 ALC。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。