Des mesures de confiance simples basées sur la probabilité logarithmique moyenne utilisées pour filtrer les traces de raisonnement. Encore une fois, une très belle recherche rendue possible grâce à l'accès à des modèles open source de haute qualité. Recherchez des pipelines de plus en plus puissants avec une architecture "générateur-vérificateur" qui élimine les mauvais résultats. Le vérificateur peut être une instance de modèle, ou une sorte de fonction mathématique comme les métriques de confiance internes développées dans cet article. Les modèles existants sont très puissants lorsqu'ils sont utilisés avec ce type de pipeline et de grands budgets de tokens. (Ici, ~1E8 tokens utilisés pour AIME 2025.) "DeepConf exploite les signaux de confiance internes au modèle pour filtrer dynamiquement les traces de raisonnement de faible qualité pendant ou après la génération. Il ne nécessite aucun entraînement de modèle supplémentaire ni réglage d'hyperparamètres et peut être intégré sans problème dans les frameworks de service existants. Nous évaluons DeepConf à travers une variété de tâches de raisonnement et les derniers modèles open source, y compris Qwen 3 et la série GPT-OSS. Notamment, sur des benchmarks difficiles tels que AIME 2025, DeepConf@512 atteint jusqu'à 99,9 % de précision et réduit les tokens générés jusqu'à 84,7 % par rapport à une pensée parallèle complète." Notez l'ironie de ces chercheurs de Meta utilisant des modèles open source Qwen, GPT-OSS et DeepSeek, mais pas de Llama 😢