步骤回溯与改写变体

Step Backtracking and Rewrite Variants

PE-R-05内容已写满G02推理增强第 13 层

01为什么需要它

完整树搜索的代价来自对所有分支都展开并评估，而多数任务只需要其中一小部分收益。

• 步骤回溯把「回到上一步之前的状态重来」这一动作单独拿出来，改写变体则用同一判据筛掉多数不合适的表述，两者都保留了搜索式推理最容易兑现的那部分好处，却不必付出全树评估的成本。
• 它们因此适合放在思维树之前：先用最便宜的方式确认「判据是否可用」，判据不可用时提前止损。

02机制说明

步骤回溯的机制是保存某一步之前的中间状态，判定该步失败后回到该状态重新展开，而不是从头重算；改写变体是对同一输入生成多个不同表述或不同视角的候选，再按判据择优或合并结果。

• 两类做法共用一个前提：存在可判定的判据。
• 回溯要能回答「这一步是否失败」，择优要能回答「哪个候选更好」。
• 判据可来自外部校验器（测试是否通过、字段是否合法、约束是否满足），也可来自模型自评；外部信号可复现且可写进门控，自评信号便宜但带有系统性偏差，因此优先用外部信号，自评只当补充。
• 工程上还必须把这两类做法与成本上限绑定：设定最大回溯次数与最大候选数，超限即返回当前最优解并记录未收敛样本，否则循环会一直消耗预算而没有任何停止条件。

03何时该用 / 何时不该用

04实验台

1. promptmarkdown

   查看代码

   任务：把下面的句子改写为不超过 40 个字的标题，保持原意。
   输入：{{text}}
   要求：给出 3 个不同表述的候选，每个候选单独成行，行首标注 候选1/候选2/候选3；
   不要解释，不要合并候选；若某候选无法满足字数限制，仍要给出并注明「超限」。
   输出格式（严格 JSON，无多余文字）：
   {"candidates":[{"id":1,"text":"...","over_limit":false}]}

   预期观察：得到含 3 个候选的 JSON，作为「改写变体」的原料；每个候选可被独立判据检查：汉字数是否超过 40、是否保持原意。判据全过的第一个候选即被择优选中（见下一条 lab 的循环）。

2. filepython

   查看代码

   import json, sys
   
   criteria = {"c1": lambda c: len(c.get("text", "")) <= 40,
               "c2": lambda c: c.get("text", "").strip().endswith(("\u3002", "\uff01", "?", "!"))}
   
   def rewrite_variants(question, n=3):
       """\u751f\u6210 n \u4e2a\u6539\u5199\u5019\u9009\uff08\u6a21\u62df\uff1a\u5b9e\u9645\u7528\u6a21\u578b\u591a\u6b21\u91c7\u6837\uff09"""
       return [{"id": i, "text": f"\u5019\u9009{i}\uff1a{question}"} for i in range(n)]
   
   def pick_best(cands, criteria):
       """\u6309\u5224\u636e\u9010\u6761\u7b5b\uff0c\u8fd4\u56de\u7b2c\u4e00\u4e2a\u5168\u90e8\u901a\u8fc7\u7684\u5019\u9009\uff08\u65e0\u5219 None\uff09"""
       for c in cands:
           if all(f(c) for f in criteria.values()):
               return c
       return None
   
   def run(question, max_candidates=3):
       """\u7ed1\u5b9a\u4e0a\u9650\uff1a\u8d85\u9650\u8fd4\u56de\u5f53\u524d\u6700\u4f18 + \u672a\u6536\u655b\u6807\u8bb0"""
       cands = rewrite_variants(question, max_candidates)
       best = pick_best(cands, criteria)
       return {"selected": None if best is None else best["id"],
               "text": None if best is None else best["text"],
               "passed": best is not None,
               "candidates_tried": len(cands),
               "unconverged": best is None}
   
   if __name__ == "__main__":
       print(json.dumps(run(sys.argv[1] if len(sys.argv) > 1 else "\u628a\u8fd9\u6bb5\u8bdd\u6539\u5199\u6210\u4e00\u4e2a\u6807\u9898"), ensure_ascii=False))
   

   预期观察：运行 python3 rewrite_loop.py <句子> 输出一行 JSON 且 candidates_tried=max_candidates（上限生效）；存在通过判据的候选时返回第一个通过者（如 python3 rewrite_loop.py 把这句话改写成标题。 ⇒ {"selected": 0, "passed": true, "unconverged": false}）；全部候选都不通过时 passed=false、unconverged=true、selected=null，即超限即停止而不是无限重试。

05证据

06术语

07失效模式

• 无判据的回溯没有「失败」的判定，代码只是在重发同一请求，成本翻倍而质量不变，最终还得靠人工挑。
• 回溯点选得过早把状态恢复到太靠前的位置，等于丢掉已经正确的中间结论重新推理，成本高于从头做一遍。
• 候选数不设上限候选与重试数量线性推高 token 成本与延迟，而收益在少数候选之后通常不再增长。
• 只靠模型自评择优自评存在冗长偏好与自我偏好，会优先选中「看起来完整」而非「真的正确」的候选。
• 超限静默放弃达到最大次数后直接返回失败而不记录未收敛样本，问题被隐藏，后续无法区分「难」与「判据坏了」。

08在本站知识结构中的位置

所属分组

G02推理增强

依赖深度

第 13 层（同层节点彼此无先后约束）

在 交互全景图 中定位本节点。