深度分析 CAPS（Cascaded Adaptive Pairwise Selection）：以證據與分佈兩軸級聯降低 pairwise 驗證成本 大型語言模型的平行推理仰賴候選解匯總器判斷正確性。CAPS沿證據與比較分佈兩軸非均勻分配驗證資源，採四階段級聯（去重、部分證據淘汰、完整證據淘汰、決賽輪比）並備救援子程序。實驗顯示CAPS在20套測試情境多數優於既有 pairwise 方法，且顯著降低驗證 token 消耗。
