Self-Consistency 讲解
对同一题采样多条思维链，按答案多数表决。计算换一致性；没有环境反馈。
论文解决了什么问题
CoT 默认贪心一条路。一步算错，整条链废掉。多条独立思路落到同一答案，把握更大。
Self-consistency 把这做成解码：不训新模型，只多花采样。边际化的是路径，留下的是答案——错链更难碰巧投到同一错误数字。
对后续 LLM 与 Agent 的影响
后来的 best-of-n、对工具调用再采样、编码 Agent「再生成一个补丁」，机制同类：用计算换一致性。它不是根据环境观察改计划。投票发生在模型自己的语言样本之间，没有 Observation。循环里的重试 / 反思有一条采样聚合的根在这里；根不是环境闭环。