FUSE：无需标注数据即可集成验证器，零样本实现测试时扩展

FUSE提出了一种完全无监督的验证器集成方法，无需任何正确答案标注即可提升验证质量。该方法通过控制验证器间的条件依赖关系，利用谱算法实现零样本集成，在GPQA Diamond、Humanity's Last Exam等基准上匹敌甚至超越半监督方法，为大语言模型的训练与部署提供更灵活经济的验证方案。

随着大语言模型（LLM）能力提升，验证模型输出正确性成为核心问题，但获取ground truth标注耗时昂贵。传统验证器集成方法依赖标注数据校准权重，在无标注场景下难以确定各验证器可靠性，面临集成困境。

FUSE（Fully Unsupervised Score Ensembling）通过控制验证器间的条件依赖关系，提升谱算法在无监督场景的性能。其特性包括：1.零标注需求；2.适用于各类验证器；3.可灵活集成任意数量验证器；4.基于谱算法的理论保证。

FUSE在多样化基准上验证有效：在GPQA Diamond等传统学术基准稳定提升性能；在Humanity's Last Exam等前沿未饱和基准展现泛化能力；且完全无标注的FUSE常匹配或超越需部分标注的半监督方法。

FUSE的零样本特性适用于多场景：强化学习微调（RLHF/RLAIF）实时验证；测试时扩展提升输出质量；新领域快速部署（无标注）；成本敏感应用（避免标注成本）。

技术贡献：1.首次实现零标注高质量验证器集成；2.揭示验证器依赖结构对集成性能的关键影响；3.扩展谱算法至无监督场景；4.多基准实证验证。局限：验证器质量过低时改进受限；依赖特定条件假设；理论极限待探索。

未来可探索自适应依赖结构学习、与主动学习结合、多模态验证等方向。FUSE通过条件依赖控制与谱算法应用，实现完全无监督验证集成，为LLM提供更灵活经济的验证方案，具有重要实用价值。