本文提出了一种名为 SIFT 的创新性、无需训练的推理时框架，通-20250225053418

本文提出了一种名为 SIFT 的创新性、无需训练的推理时框架，通过迭代生成和优化 "Sticker" 来显式地锚定大语言模型的推理过程于正确的上下文信息，有效解决了模型推理中普遍存在的“事实漂移”问题，并在多个基准测试中取得了显著的性能提升，尤其是在高难度的 AIME2024 数学推理任务上，展现了推理时计算增强模型能力的巨大潜力。