English(EN) From Apparent Search Gains to Selection Failures: Auditing Test-Time Inference in Structured Workflow Planning

新研究审计结构化工作流规划，揭示选择失败

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-04 05:00

一篇新研究论文发布在arXiv上，调查了结构化工作流规划中测试时搜索的有效性。该研究将推理分解为三个阶段：发现、结构验证和选择，发现虽然正确的工件通常会被发现，但它们可能被多数投票错误地取消选择。研究强调需要审计实际的推理管道而不是名义上的管道，并建议为发现、有效性和选择分别报告，以更好地理解模型性能。 AI

影响强调了AI模型选择过程中潜在的缺陷，并提出了改进建议以实现更可靠的工作流规划。

排序理由该集群包含一篇研究论文，详细介绍了AI模型在结构化工作流规划中的推理结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 42 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇研究论文，详细介绍了AI模型在结构化工作流规划中的推理结果。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Zhitong Chen, Weifeng Zhang, Kai Yin, Zhiyuan Wang, Ali Mostafavi, James Caverlee · 2026-11-04 05:00

从明显的搜索收益到选择失败：结构化工作流规划中的测试时推理审计

arXiv:2611.00579v1 Announce Type: new Abstract: Test-time search can improve structured planning, but when methods differ in prompts, post-processing, and selection, it is unclear what an observed gain should be attributed to. We study this question on DisasterBench, where models…

本文如何被排名

报道来源 [1]

从明显的搜索收益到选择失败：结构化工作流规划中的测试时推理审计

相关实体

相关话题