ICLR 2026 投稿 量子位 | 公众号 QbitAI 近年来，大语言模型在各类任务上表现出色，但幻觉、逻辑错误、推理漏洞等问题仍屡见不鲜。这促使研究者持续探索提升模型输出可靠性的 新路径。现有主流范式各有优势，也存在局限。 有没有可能在 不改动原始模型结构和参数 的前提下，实现对推理过程的"实时自主监控"？ ICLR 2026一篇投稿论文提出了一个全新思路：单token验证（One-Token Verification，OTV），这是一种测试时扩展的新机制，让模型 能"边推理，边判断自己是否推理正确"。 目前主流范式优缺点如下： LoRA微调： 作为当前主流的参数高效微调手段，虽然无需全参数训练、便于部署，但往往依赖详细的监督数据，且仍会引发"遗忘效应"。 通过对模型已生成结果进行质量筛选，可增强输出可信度，但往往滞后发生，难以及时纠偏模型的思路，且无法窥探模型的内部推理过 程。 在面对复杂推理任务时，单一路径生成往往难以稳定产出正确答案。为此，研究者们近年来提出了 并行思考（Parallel Thinking） 的推理 框架：让语言模型同时生成多条推理路径，再通过一定机制进行甄别筛选。 OTV正是构建 ...