模式矩阵 /模式白皮书/R3

问题

单条推理链有"侥幸偏差"：同一个提示、同一个模型，不同采样得到的答案不一定一致。一条链刚好走偏，整个结论就错了，而且每一步看上去都对——错误藏在"这一次恰好没抓到的那个特征"里，事后复盘很难发现。

并行探索同时运行多条独立推理链，再聚合为单一结果。它适用于错误代价足以覆盖额外计算的场景，可以与复杂度路由（R2）组合：普通请求按复杂度分档，高风险节点再启动并行分支。质量增益与计算开销都要在同一评测集上报告。

坐标说明：推理 × 并行

• 纵轴 · 推理：并行的实体是同一个推理任务的多条候选路径（多个 candidate solution），属于推理策略层，而不是把任务拆给多个 Agent。这是它和协作模块"扇出聚合（C2）"的根本区别——后者并行的是子任务，前者并行的是同一道题的多个解法。
• 横轴 · 并行：N 条分支同时跑、互不知情，最后统一聚合，是天然的并行结构，不是链式串联，也不是循环迭代。

解决方案与机制

一次并行探索由三段组成：

1. 分发：把同一个查询复制成 N 条分支，通过不同提示、采样参数、模型或证据源制造多样性。N 由任务风险、分支相关性和成本预算决定，应通过本地消融实验寻找拐点。
2. 隔离执行：每条分支跑在独立的执行环境里（独立的模型客户端、独立的中间状态、独立的错误恢复）。分支之间串扰会让"独立采样"退化成"链式错误传染"，准确度不升反降。
3. 聚合：按业务错误代价选择多数投票、Any-Alarm、加权评分或模型评审，将 N 个结果合成为一个。

聚合策略的选择取决于业务"错的代价分布"：

适用场景

• 高风险、错误代价不对称的判断：医疗影像分诊、金融风控、反洗钱、安全漏洞审查。这类场景"漏判"远比"误判"贵，配合 Any-Alarm 聚合即可把不对称代价表达进系统。
• 答案空间大、单链不稳的推理：复杂诊断、多跳推理、需要 self-consistency 提升可靠性的任务。
• 关键的一次性决策：不可逆业务承诺前的最终复核等节点，可以使用 N 倍算力换取更高可靠性。

已知失效方式

• 分支不独立：N 条分支共享执行环境，相互污染缓冲区或 retry，"伪独立"导致准确度反降。必须给每条分支独立的运行时。
• 提示扰动不足：多个分支跑出几乎一样的答案时，并行探索退化成重复采样，相应的计算也没有换来新的证据。应检查采样参数、提示差异、模型与证据源是否真正独立。
• 盲目默认多数投票：在错误代价不对称的场景用 Majority，会把少数分支的真实警报投没——医疗里这等于漏诊。
• 该收齐却早终止：Any-Alarm 必须等所有分支返回，不能用"高置信度早终止"省钱，否则会漏掉警报信号。早终止只适用于对称代价场景。
• 低风险任务使用过多分支：单链已经满足要求时，增加分支只会带来额外开销。应与单链基线比较后再决定是否启用。

验证指标

• 分支一致率：观察各分支结论的一致程度，并结合任务难度解释。高度一致可能表示任务简单，也可能表示分支缺少真正独立性。
• 有效 N：N 条分支产生多少种独立证据路径或结论。有效 N 长期偏低时，应先改变提示、模型或数据源，而不是继续增加分支。
• 聚合成本占比：聚合步骤在总成本和延迟中的占比。相对本地基线过高时，改用更轻的聚合器或更严格的分支 artifact。
• 质量增量：在同一评测集上比较并行与单链，并同时报告成本和延迟。没有稳定增益时，应关闭并行或修正分支独立性。

最小实现

对 query 复制 N 条分支：
    每条分支 → 独立运行时 → 不同 temperature 采样 → (answer, confidence)
聚合(N 个结果, 策略):
    Majority   → 票数最多的答案
    Weighted   → 按 confidence 加权后最高的答案
    Verifier   → 交给独立评委模型打分裁定
    Any-Alarm  → 任一分支命中高风险标签即升级，无视多数
返回 final_answer + 完整分支 trace（每路答案/置信度/聚合策略/最终决策）

生产实现应通过提示、采样参数、模型或证据源差异形成分支多样性；评委模型需在目标任务上评测；并发调用复用连接池并遵守 provider 限制；Any-Alarm 模式禁止早终止。

场景化示例

设想一个医疗影像辅助 Agent 对肺结节给出分级建议。单链可能遗漏某种可疑形态。系统改为多路独立评估，并让分支使用不同提示或证据视角；聚合器不采用简单多数票，而是执行 Any-Alarm 规则：任一路发现预先定义的高风险形态，就进入人工二次评审。各分支使用独立运行时，禁止在其他分支尚未完成时提前结束；trace 按机构的医疗数据与审计政策留存。准确率与资源开销必须在经审批的临床评测集上报告。

相邻模式

• 复杂度路由（R2）：日常请求按复杂度路由，高风险决策可以启动并行探索。
• 思维链（R1）：并行的每一条分支内部通常就是一条思维链；并行是在 R1 之上叠加的"多采样"。
• 扇出聚合（C2）：结构同源、聚合机制相通，区别在并行的实体——R3 是同一道题的多条解法（推理策略），C2 是不同子任务分给不同 Agent（协作拓扑）。
• 迭代假设验证（R4）：对偶关系。并行是空间维度同时开 N 条线，迭代是时间维度一条线跑多次。

工程判断

并行探索的聚合策略需要反映业务对不同错误的代价。多数投票、any-alarm 和 verifier-judge 对应不同的容错假设，不能互相替代。

企业证据

当前没有与本模式绑定的公开评审案例。模式定义不因此视为已经获得企业验证。

案例收录要求说明业务约束、实现结构、已知失败和迁移边界。参见 贡献与评审规则。