面向引导投机推理的多重重要性采样

研究提出将多重重要性采样（MIS）引入引导投机推理（GSI），通过多个较小大语言模型集成生成推理草稿，并由大型基础模型与过程奖励模型联合验证。该方法在理论上证明了平衡启发式（balance heuristic）的最优性，并在保持总样本数不变的同时维持了 pass-at-N 性能，有效解决了单一起草模型支撑集未能覆盖目标分布时的失效问题。