面向引导式推测推理的多重重要性采样

研究提出将引导式推测推理（GSI）拓展至多模型集成场景，由多个小型大语言模型生成草稿推理步骤，再由基础模型与过程奖励模型验证。该方法基于多重重要性采样（MIS）聚合提议分布，证明了平衡启发式（balance heuristic）的最优性及理论界。在总采样数相同下，其不仅维持了 pass@N 性能，还解决了单模型支撑集覆盖不足引发的失效问题。