置信度投票通过对每个并行LLM rollout的内部信号（如 token 的对数概率）进行加权，已被广泛用于单轮推理。然而，现代 LLM 越来越多地充当多轮搜索代理，需要检索外部文档并将其拼接到上下文中。本文实验表明，置信度投票在此类多轮设置下表现不佳，根本原因是“复制膨胀”：检索到的文档被直接加入上下文后，来自文档的 token 会获得系统性地过高的对数概率，导致同一问题内部的置信度分布趋于平坦，削弱加权投票的区分能力。为了解决这一问题，作者提出检索对齐投票（Retrieval‑Grounded Voting，RGV），其评分依据是最终答案与检索到的文档之间的词汇重叠度。由于该信号在受污染的上下文之外计算，RGV 既避免了对 token 概率的依赖，也无需额外的 LLM 调用。实验在四个搜索代理基准和五种不同的 LLM 上进行，RGV 始终优于置信度投票，最高提升 5.4% 的整体准确率，并在少数正确答案仅出现在 1‑2 次 rollout（共 8 次）的情形下提升 35%。
博主点评：本文精准定位了多轮检索场景下置信度投票的根本缺陷，并提出了实现简洁、效果显著的检索对齐投票方案。实验覆盖面广，提升幅度在实际应用中具有重要意义，值得搜索型 LLM 开发者参考。