量化推理模型的校准 e-CUSUM 解码：为何令牌对数概率不是解码监控的正确观测量

论文指出，中心化令牌对数概率增量在模型自身采样律下是均值为零的鞅，反映采样自洽性而非推理轨迹健康度，并在高置信重复时几乎无信号。作者提出融合不确定性与显式重复检测的校准序贯控制器，在 GSM8K 的 DeepSeek-R1-Distill-Qwen-1.5B FP16/INT4 试验中，将高频误报警监控器转为选择性检测器；INT4 准确率由 63% 升至 69%，但统计上不显著，且 token 成本增加 28%。