ARBITER: Reasoning Trajectory Basins and Majority Vote Failures in Test-Time Sampling

En 3 lignesARBITER corrige les défaillances du vote majoritaire en test-time sampling. Les trajectoires de raisonnement se concentrent en clusters (bassins) stables mais pas nécessairement corrects. ARBITER utilise les états cachés et preuves du modèle pour ajouter des preuves conservatives au consensus, récupérant ~22% de l'écart oracle sur Llama-3.1-8B MMLU-HS-Math (78%→82%).

Résumé généré par Claude — vérifié par l'humain