当多个答案都有效时，投票会失效：用于大语言模型 Best-of-K 因果推理的符号验证

论文提出无需训练的符号验证器 CALVER，依据 Pearl 因果准则检查候选推理轨迹，而非按答案频率投票。在 CLEAR 多解查询的固定候选池上，CALVER 达到 42.1%，而多数投票、奖励模型、LLM 评审与模型置信度均约为 30%；其优势还扩展到十个贝叶斯网络、文本建图、平均处理效应判断及逻辑任务。