监控-生成-验证 (MGV)：为语言模型推理形式化元认知理论
人工智能
2025-12-02 v3
摘要
Test-time reasoning 架构（如遵循 Generate-Verify 范式的架构）在迭代细化或验证自身生成输出方面优先考虑生成和验证，但排除了确定推理何时开始以及如何进行的监控过程。这一缺失可能导致前缀主导陷阱，即模型过早地提交次优推理路径且很少恢复，从而导致约 20% 的准确率损失。我们通过提出监控-生成-验证 (MGV) 框架来弥补这一架构差距，将 Flavell 的理论和 Nelson 与 Narens 的理论进行计算转化，保留其心理学细节。MGV 通过在生成开始之前添加显式监控来扩展 Generate-Verify 范式，捕获元认知经验（从难度评估到置信度判断），并通过验证反馈细化未来的监控。尽管我们没有进行经验验证，MGV 为诊断推理系统的组件级故障提供了词汇，建议针对未来设计的具体架构干预，并识别与资源理性分析之间的联系，可能为其机制提供规范原则。
引用
@article{arxiv.2511.04341,
title = {Monitor-Generate-Verify (MGV): Formalising Metacognitive Theory for Language Model Reasoning},
author = {Nick Oh and Fernand Gobet},
journal= {arXiv preprint arXiv:2511.04341},
year = {2025}
}
备注
Presented at the Workshop on the Foundations of Reasoning in Language Models at NeurIPS 2025 (non-archival)