如果我们自适应地分配测试时计算会怎样？

针对测试时计算扩展通常均匀分配且策略固定的问题，本文提出一种验证器引导的自适应框架，将推理视为迭代轨迹生成与选择过程。该框架在每次迭代中动态生成高层计划、选择推理工具及计算策略，并利用过程奖励模型（PRM）作为统一控制信号：在迭代内指导剪枝与扩展，在迭代间基于聚合奖励选择最终响应。实验表明，该方法在 MATH-500 及高难度基准上显著优于直接扩展，有效集中计算资源于高效用推理路径。