用途:HeavySkill 通过并行思考加顺序审议来放大推理能力,把困难问题分解为多条独立探索路径,再综合出单条思维链难以达到的结论。资料称审议不是投票,而是审计推理链并从碎片中锻造新路径,论文显示约 50% 的情况下审议能得出所有单条轨迹都未给出的正确答案。
主要能力与流程:第一阶段并行推理,在一条消息中同时启动 K 个独立智能体,各自从零求解、互不知晓;K 取 3 用于多数问题,取 5 用于竞赛数学等高风险场景。第二阶段建立记忆缓存,收集全部轨迹输出、打乱顺序以避免位置偏差,超预算时截断推理但保留最终答案。第三阶段由模型自己顺序审议,不可委托:分类问题类型、统计答案分布、审计每条链的逻辑与隐藏假设、交叉验证、保持批判性怀疑(多数只是信号而非证明,少数派若逻辑更严密可能正确,也可能全部错误),最后综合定论。第四阶段只输出最终答案,数学用 \boxed{answer},代码用代码块,并匹配用户语言。
迭代审议:当首次审议置信度低或出现根本分歧时,把审议结果作为额外轨迹拼入缓存后重跑第三阶段,最多 2 至 3 轮,再多性能会下降。
适用场景:需要证明或精确数值的数学推理、可验证正确性的算法与竞赛编程、存在多种可行路径的复杂逻辑演绎,以及置信度低于约 70% 的可验证任务。
限制与反模式:不应用于简单事实查询、日常对话、显而易见的代码修改、偏好或主观任务(创意写作、风格语气)、置信度高于 90% 的简单问题以及信息检索或直接转换。避免用投票代替审议、把审议委托给智能体、顺序而非并行启动智能体、跳过打乱、迭代超过 3 轮,以及在主观任务或简单问题上启用。参考资料包括 references/landscape.md、references/compute.md、references/tensions.md、references/paper-details.md。具体安装与调用方式暂未提供。