Cómo funciona
Self-consistency es una estrategia de decodificación que genera varias respuestas para la misma entrada, con cadenas de pensamiento variadas, y elige la respuesta más frecuente entre ellas. En lugar de un único camino de razonamiento, el modelo muestrea varias trayectorias y sigue a la mayoría. El muestreo asegura que cada intento siga un camino un poco diferente, y una regla simple cuenta qué respuestas aparecen con más frecuencia antes de devolver la más repetida. La diversidad de los intentos se controla con la temperatura y el número de muestras, y el resultado final es una especie de votación entre trayectorias de razonamiento. Este proceso funciona bien en preguntas de opción múltiple, en razonamientos paso a paso y en decisiones con varias alternativas, siempre que cada intento sea verdaderamente independiente. Cuantos más caminos válidos encuentre el modelo, mejor será la elección definida por la mayoría. La regla de mayoría funciona bien cuando los intentos son independientes; si todos siguen el mismo razonamiento equivocado, el resultado también lo estará. Para mitigar ese riesgo, es recomendable configurar una temperatura moderada y revisar los casos en los que los intentos coinciden entre sí.
Ejemplo práctico
Para una suma compleja, el modelo genera cinco caminos de cálculo. Cuatro llegan al mismo resultado y uno a un valor ligeramente diferente. El resultado final es el que aparece con más frecuencia, lo que corrige algunos errores puntuales de cada camino. En problemas de opción múltiple, la respuesta que más aparece entre las variaciones suele ser más confiable, pues el modelo converge hacia el consenso entre varios razonamientos diferentes.
Para qué sirve
Self-consistency sirve para mejorar la estabilidad de las respuestas en tareas de razonamiento, matemáticas y toma de decisiones. Funciona bien cuando el modelo tiene acceso a varias trayectorias válidas y el error de una de ellas no hace explotar el resultado final. El costo es más tokens y tiempo, así que vale la pena usarlo en casos decisivos en los que el precio de un error es alto. En tareas rápidas y rutinarias, el beneficio puede no justificar el costo adicional de procesamiento.
Diferencia entre X e Y
A diferencia de la cadena de pensamiento única, que guía al modelo por un único camino, el self-consistency usa varios. La temperatura y el número de muestras controlan la diversidad de los intentos; la cadena simple siempre sigue el camino más probable, sin variar el razonamiento.