Meta AI與加州大學圣地亞哥分校的研討團隊給出了一個令人振奮的答案——Deep Think with Confidence（DeepConf） ，離線預熱）

先離線跑幾條完好的推理軌道（Trace 1～5），

他參加的項目包含 ：Lookahead Decoding 、

之前的辦法在完好生成之后運用相信度/熵用于測驗時和強化學習（RL） 。黃色曲線在準確率堅持較高的一起 ，僅僅咱們一向沒有仔細重視過他們的「考慮進程」 。任何被在線中止的途徑，這樣做的優點是能最大化提高答案的準確性。讓模型既想得更準，才干在將投票更集中于高相信度的推理途徑
。會持續監控推理途徑的相信度，

此前，比GPT-5還高

離線形式成果：在AIME 2025上到達99.9%的準確率（基線為97%）！

成果刷爆99.9%，

• 大都投票（Majority Voting）

在規范的大都投票中，LLM知道自己何時開端不確認的