用于大语言模型隐式推理的竞争性 Token 选择框架 CoTS

研究者提出了免训练框架 CoTS（Competitive Token Selection），通过前两个候选 token 的概率竞争程度在 token 级别动态平衡离散确定性与软表示探索。当竞争加剧时，框架增加软表示权重以保留潜在替代推理路径，无需人工调整阈值或混合系数，也不增加前向传播次数。在 6 个推理基准上的实验显示，CoTS 的表现持续优于标准 CoT 及现有免训练隐式推理方法。