不如所有错误一样重要：ASCoT 解决高效 LLM 推理中的后期脆弱性
计算与语言
2026-03-04 v5
摘要
虽然链式思维（CoT）提示方法赋能了大型语言模型（LLM），但确保推理可靠性仍是开放挑战。与主流的 Cascading failure 假说（即早期错误最具破坏性）相反，我们发现一种反直觉现象，称为 Late-Stage Fragility：后期推理阶段引入的错误更容易破坏最终答案。为此，我们提出ASCoT（Adaptive Self-Correction Chain-of-Thought），一种兼顾效率与鲁棒性验证的方法。ASCoT 首先采用语义剪枝压缩冗余步骤，然后利用自适应验证管理器（AVM）通过位置影响分数优先考虑高风险的后期步骤，当必要时触发多视角自我纠错引擎（MSCE）。在GSM8K 和 MATH-500 上的实验表明，ASCoT 有效地重新分配了计算资源：对于 LLaMA-3.1-8B，token 使用降低 21%--30%，准确率下降不足 1.8%，实现了推理效率与推理保真度之间更优越的权衡。
引用
@article{arxiv.2508.05282,
title = {Not All Errors Are Created Equal: ASCoT Addresses Late-Stage Fragility in Efficient LLM Reasoning},
author = {Dongxu Zhang and Yujun Wu and Yiding Sun and Jinnan Yang and Ning Yang and Jihua Zhu and Miao Xin and Baoliang Tian},
journal= {arXiv preprint arXiv:2508.05282},
year = {2026}
}