晚塌·定案（DEGS）

DEGS 把大模型每层的熵变化拿来做测试时筛选：正确候选往往不是更早自信，而是让不确定性留到更深层，再用 p(x)^α exp(βD(x)) 把这些候选送进 MCMC 反复重排。论文在三个开源模型、四个推理基准上验证了这条路线，DEGS-MCMC 在 12 个对照格里全部超过只看似然的 power sampling，11 格成为最强训练免推理解码器；额外墙钟开销为个位数百分比。

选题口径：arXiv 的 cs.LG 2026 年 7 月 14 日 new listing 收录了这篇论文；其 abs 页面显示 v1 提交日期为 2026 年 6 月 19 日。本期采用 new listing 作为「最新论文」口径，并保留 abs 页提交日期差异。

来源：

[Intro] 晚塌，晚塌，别急着亮牌 七层探针扎进每一层的海 D-E-G-S，测试时开麦 不加训练，照样把答案筛出来

[Verse 1] 普通 likelihood 只看最后一拍 DEGS 盯住 hidden state 怎么改 强 reasoner 不会太早把结论盖 熵留在深层，直到更后才定案 Qwen Math 七 B，base 十层已跌到二点五 nats RL 变体十五到二十层，还在五以上晃 早承诺，像把错答案先焊 晚塌，不等于犹豫，是给推理留缓冲带

[Hook] 晚一点塌，才有机会答对 先别把置信度写死在浅层的嘴 p 的 alpha 次，乘 exp beta D 把外层分数和内层犹豫一起配 晚一点塌，才有机会穿越 训练不用开，reward 不用借 一条弱信号，单看只像擦边 进 MCMC 循环，反复重排才上分线

[Verse 2] 每个 token 找最早过阈值的 layer tau 零点二五 nats，四到二十八取七阶 d t 除总层数，再对整条序列求平均 这就是 D，深度不是装饰，是筛选器的电 alpha 等于四，beta 等于五，目标写在盘面 似然保整体，深度给近邻候选补一箭 单点 AUC 只有零点六，别把它吹成神谕 MATH 五百，低桶零点一七，高桶零点四一 DeepMind 五百，高桶约是低桶二点六倍 弱信号进轨迹，才把差别一寸寸堆

[Verse 3] DEGS-MCMC，十步一轮，把 tiebreak 反复锤 十二格全涨，十一格训练免法站在榜头位 Qwen 二点五七 B，MATH 五百七二点八 DeepMind 五七三，HumanEval 七六点九，GPQA 三九点三 Math 七 B，七六点七、六一九、六一八、四二六 三模型 GPQA 都压过 GRPO 的域外牌 三九点三对三五点四，四二点六对三九点九 DeepSeek 三九点二对三三点三，跨域才见谁 不是凭空长新能，是把 base 里的好样本重新配

[Bridge] 探针只看七层，别把算力浪费成烟 MCMC 额外墙钟约加八点八，单数位的价钱 但它要开源权重，黑盒 API 没这条线 数学和科学先过关，开放事实还等下一篇

[Outro] 模型不是每一步都在同一层下判 有的答案浅层就锁，有的答案深处才转弯 晚塌·定案，DEGS 把犹豫变成证据 你听见的不是更长思考，是更晚落锤