摘要
本文提出测试时计算的第三范式——“交互”，区别于延长推理或多次采样。该方法通过模型生成产物、外部工具观测行为并反馈缺陷，驱动模型修订，从而突破内部计算的局限。研究强调“落地性”是核心变量，即反馈与评估均需基于真实观测。实验表明，在编码与视觉任务中，仅当反馈机制具备真实 grounding 时，交互策略能持续优化结果，显著优于传统方法。
AI 推荐理由
论文核心研究基于外部反馈的模型自我修正与迭代改进机制，属于典型的自我进化范畴。
研究机构
Pine AI
University of Washington
论文信息