Token 置信度只是链条长度吗？对推理轨迹的信号处理审计

研究通过信号处理工具评估推理语言模型的 token 置信度剪枝方法，发现窗口最小置信度评分主要反映的实质是推理链的长度。在两个数学基准测试上，仅按链长排序的效果与置信度评分相当甚至更好，控制长度后该分数不再提供关于答案正确性的有效信息。实验表明置信度信号漂移缓慢导致更长链条更容易偶然出现低分，用于提前终止推理链时效果也不及直接减少采样链数。