测试时的计算扩展方法通常假设，同一模型提供的额外计算能够作为独立的证据。然而，这一假设在单一推理模型内部并不成立：错误在重复抽样、推理深度以及模型自身的自评之间存在强相关性，因而同一模型的更多计算并不等同于更多证据。
为了解决这一问题，作者提出了 DIA（Disagreement‑triggered Independent Arbitration）。核心思路是：当中间阶段的预测与最终阶段的预测出现分歧时，视为该问题推理不稳定的信号。随后，系统会召集一小组异构模型，对该问题进行独立求解，且这些模型在求解时看不到任何候选答案。最后直接对这些独立答案进行聚合得到最终输出。
在七个基准任务和两种基础模型上进行实验，DIA 在 14 项设置中有 12 项优于完整的 Chain‑of‑Thought 方法，其中在 MuSiQue 上提升了 7.00%。值得注意的是，DIA 只在约 17% 的样本上触发，并且相较于多代理基线最多节省了 47.2% 的 token 使用量。消融实验表明，独立求解和求解器的异构性两者缺一不可。
点评