一种步骤级验证器引导的混合测试时扩展方法

本发明公开一种步骤级验证器引导的混合测试时扩展方法，步骤为：向大语言模型LLM输入问题文本，设置搜索路径数、Best‑of‑N采样数、自我完善迭代次数，以过程奖励模型PRM作为步骤级验证器；在蒙特卡洛树中由LLM根据问题和已生成推理步骤生成多个候选步骤；由PRM评估每个候选步骤质量，应用Best‑of‑N方法选出最佳步骤进行下一步优化；根据PRM评分设置条件进行迭代自我完善；按照深度优先的方式扩展树节点，直到包含结束标记的叶节点，得到完整推理路径；采用多数投票或PRM评分从候选路径集合中选出最佳路径作为最终解决方案。本发明可避免早期错误累积至最终答案，降低了“过度思考”导致的计算资源浪费问题。