BMA-GAI：基于预算多属性验证的测试时扩展方法

研究者提出 BMA-GAI 算法，将 LLM 答案验证建模为全局预算下的多属性好臂识别问题，通过成本感知的候选选择与属性自适应采样，在每次观测中同时完成分配引导与随时有效认证，无需单独确认阶段。该算法具备渐近覆盖保证，并推导出匹配的信息论逆定理，证明其在临界预算水平之外具有一阶最优性。合成基准与 LLM 答案验证任务实验显示，BMA-GAI 比对比方法更高效地分配验证预算，认证出更多高质量候选。