We propose SELFDOUBT, a single-pass uncertainty framework that resolves this impasse by extracting behavioral signals directly from the reasoning trace itself.
令人惊讶的是：研究者提出了一种名为SELFDOUBT的创新方法，它直接从推理轨迹中提取行为信号来解决不确定性量化难题。这种方法绕过了对模型内部参数的依赖，转而关注模型推理过程中的自我怀疑和验证行为，为专有API提供了一个全新的不确定性评估视角。