arXiv Artificial Intelligence· Yiyao Zhang, Diksha Goel, Hussain Ahmad·2026-10-20 12:00· 3 小时前AI 评分40

证据锁定与非补偿性选择规则如何约束推理流水线中的 LLM 评审失效

When the Judge Should Not Decide: Evidence-Locked, Non-Compensatory Selection Bounds LLM-Judge Failure in Reasoning Pipelines

AI 导读

在四个 GRPO 策略的冻结候选池上，无约束标量 DeepSeek-R1-7B 评审相比答案级多数投票几乎无增益（GSM8K 500 题 +1.0 pp，HotpotQA 300 题 +0.34 EM），在 30 题确认集上反比多数投票低 10 分。