Medidas de confiança simples baseadas na probabilidade média de log usada para filtrar traços de raciocínio. Mais uma vez, uma pesquisa muito boa possibilitada pelo acesso a modelos de código aberto de alta qualidade. Procure pipelines cada vez mais poderosos com arquitetura "gerador-verificador" que remove resultados ruins. O verificador pode ser uma instância de modelo ou algum tipo de função matemática, como as métricas de confiança interna desenvolvidas neste artigo. Os modelos existentes são muito poderosos quando usados com esse tipo de pipeline e grandes orçamentos de tokens. (Aqui, ~ 1E8 tokens usados para AIME 2025.) "O DeepConf aproveita os sinais de confiança internos do modelo para filtrar dinamicamente traços de raciocínio de baixa qualidade durante ou após a geração. Ele não requer treinamento de modelo adicional ou ajuste de hiperparâmetro e pode ser perfeitamente integrado às estruturas de serviço existentes. Avaliamos o DeepConf em uma variedade de tarefas de raciocínio e nos modelos de código aberto mais recentes, incluindo as séries Qwen 3 e GPT-OSS. Notavelmente, em benchmarks desafiadores como o AIME 2025, o DeepConf@512 atinge até 99,9% de precisão e reduz os tokens gerados em até 84,7% em comparação com o pensamento paralelo completo." Observe a ironia desses pesquisadores da Meta usando os modelos de sistema operacional Qwen, GPT-OSS e DeepSeek, mas sem Llama 😢