论文发现多数投票会漏选已发现的正确工作流。
资讯摘要
论文在 DisasterBench 上把测试时推理拆成发现、结构校验与最终选择三阶段，比较独立采样、名义树搜索和多算子搜索。作者报告：名义树搜索实际只是非自适应完整工作流采样，独立采样配其扩展提示即可复现候选发现；结构校验未剔除最后的正确工作流，而多数投票在每池 10-19% 任务上漏选已发现的正确工作流，抽查 60 例中 57 例存在实质工具选择或信息流错误；工具规格感知验证器能挽回部分损失，但纠正的错误少于推翻的正确决策。
要点速读
- 论文将推理拆为发现、结构校验、最终选择三阶段，在 DisasterBench 上比较三种推理配置。
- 作者报告多数投票在每池 10-19% 任务上未选中已发现的正确工作流，抽查 60 例中 57 例确有实质错误。
- 工具规格感知验证器挽回部分损失，但推翻的正确决策多于修正的错误。
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 2026/11/4 08:00:28（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。