Self-Consistency（自洽解码）
多问几次取多数
亦作、亦称：自洽解码 · Self Consistency
对同一问题多次采样不同推理路径，以多数投票或一致性选择最终答案，无需额外训练即可提升准确率。 Self-Consistency 无需微调，通过多次采样与投票提升推理稳定性，代价是推理成本成倍增加。
工作原理
对同一问题多次采样不同推理路径，以多数投票或一致性选择最终答案，无需额外训练即可提升准确率。 Self-Consistency 无需微调，通过多次采样与投票提升推理稳定性，代价是推理成本成倍增加。
应用场景
Self-Consistency常见于：对话助手、代码生成、知识问答、内容创作与 Agent 推理底座。实际选型需结合业务指标、数据规模与部署约束评估适用性。
局限与误区
围绕 Self-Consistency 的口语化说法（见「常见误解」）常过度简化。效果依赖数据质量、任务匹配与系统整体设计；生产环境应配合评测、监控与人工复核。
背景与发展
Self-Consistency随 AI 研究与工程实践持续演进，定义边界与最佳实践仍在更新。建议结合原始论文、官方文档与本站延伸阅读建立准确认知。
常见误解
日常交流中容易听到的简化说法，未必准确，但能帮助理解误解从何而来。
- 「多问几次取多数」
- 「采样多条路径投票」
- 「零成本涨分技巧」
相关术语
和本术语关联紧密的其他词条，便于串联理解。
延伸阅读
从知识库精选 3 篇文章，帮助深入理解该术语。