当推理时 PRM 剪枝片段嫁接完全失效：来自三个推理语言模型的实证
一个看似自然的设计，为何在推理时完全失灵
并行思维链（parallel chain-of-thought）常被用来提升大模型的推理覆盖度，但它有一个众所周知的副作用：多样性坍缩——多条并行轨迹往往会收敛到相似的错误或相似的正确路径，浪费算力。
一个直觉上很自然的补救方案是：当**过程奖励模型（PRM）**判定某条链走偏并剪枝时，把这条链中 PRM 打分较高的前缀提取出来，原样「嫁接」到另一条仍在解码的兄弟链上，作为上下文示范。这被称为 PRM-Pruned Fragment Grafting（PPFG），是跨轨迹、步骤级知识迁移中成本最低的实现方式。
但一篇新论文给出了一个耐人寻味的结果：在特定配置下，PPFG 与独立的并行 CoT 基线在统计上无法区分。
实验怎么做的
研究者在 Qwen2.5-7B-Instruct 上，配合 Math-Shepherd 作为 PRM，在完整的 MATH500 数据集（n=500，三个随机种子）上测试 PPFG 的两种变体：停滞目标（stagnation-targeting）与随机目标（random-targeting）。
结果：在每一个测量维度上，两种变体都与独立的并行 CoT 基线没有显著差异。
失效的原因：嫁接打错了靶子
作者对 322 次停滞规则触发的注入事件做了四桶分类，发现：
- 只有 14% 真正瞄准了「正在挣扎」的链；
- 其余注入落在了已经成功的链、接近完成的链，或处于 PRM 平台期的链上——这些状态下的「救援式嫁接」根本无法改变结局。
更关键的是，没有任何复合门控（compound-gate）方案能同时做到「精准触发」和「足够密度」。而一个随机对照组在 2.4 倍触发率下也表现出同样的持平效果，说明这种惰性并非某个启发式规则特有的问题。
结论的稳健性与边界
该发现具备相当的稳健性：
- 在三个基础语言模型、六个基准、第二个 PRM以及兼容性门控扫描中都能复现；
- 通过双单侧检验（two-one-sided tests），在全部十二个 Qwen/LLaMA 单元上把「持平」提升为正向等价；
- 逐事件抽查发现，被注入的链确实以 2.75 倍于匹配步骤的速率被剪枝，但存活兄弟链的反事实分析显示，这种局部效应没有转化为群体层面的补偿收益；
- 事后预言机（hindsight oracle）给出的每问题收益上界仅为 +0.13 个百分点。
意义何在
这项工作的价值不止于否定一个具体机制。作者贡献了一个等价性检验模板，用于确立推理时机制的「零结果」，并且把每一条结论都严格限定在其测试的操作点上。
在推理时干预（inference-time intervention）研究火热的当下，这提醒我们：一个机制在某个配置下有效，不等于它在更便宜的配置下也有效；而「嫁接高 PRM 前缀」这种看似优雅的直觉，可能只是在给已经跑完的链做无用功。对于正在构建 PRM 剪枝、并行采样或步骤级迁移系统的团队而言，这是一个值得对照的负面基准。