根据推特账号 God of Prompt 引用塔尔图大学评测结果，两次采样的“口头置信度+自洽一致性”混合法在17项数学、STEM与人文任务上优于业内主流的自洽法，在数学领域达到84.2 AUROC，而八次采样的单一方法仅为79.4–81.4（来源：God of Prompt，塔尔图大学）。据该帖报道，单次询问模型自报置信度即可在数学上取得71.3 AUROC，超过K=2自洽法的70.5，且算力成本更低（来源：God of Prompt）。依据该总结，两次采样后边际收益迅速衰减，在数学仅增约4.2 AUROC，在STEM与人文约增2，提示在医疗、法律与金融等高风险推理应用中应以混合法在K=2部署以获得最佳性价比与更可靠不确定性校准（来源：God of Prompt，塔尔图大学）。