第四集：采样与多数投票

一次改变一个采样设置

固定模型和题目，分别比较候选数，再单独比较 temperature 或 top-p。保存全部候选，避免只展示成功样例。候选之间可能重复，多生成几次并不自动带来独立证据。

投票前先明确规则

本站练习假设候选已被人工归一化，用下面的小函数检查平票处理。它只是投票规则示例，不是数学答案验证器；真实实验应接入上一节的提取和等价判断，并单列无有效候选的情况。

from collections import Counter

def vote(normalized_answers):
    counts = Counter(a for a in normalized_answers if a is not None)
    if not counts:
        return {"answer": None, "status": "no_valid_answer"}
    best = max(counts.values())
    winners = [a for a, n in counts.items() if n == best]
    return {"answer": winners[0] if len(winners) == 1 else None,
            "status": "ok" if len(winners) == 1 else "tie"}

print(vote(["1/2", "1/2", "2"]))
print(vote(["1/2", "2"]))

正确率和预算放在同一张表

为每个配置同时记录正确题数、候选数、总 token 和耗时。投票多数可能一起错，不能把多数意见当作证明。对比时可先限制总生成预算，再观察增加候选是否仍然值得。