Test-time Scaling Compute Allocation Reasoning Optimization Routing Policy
摘要

测试时扩展通常通过增加采样、延长思维链或增强评估器来消耗更多计算资源,但在固定预算下这些选择相互竞争。本文将测试时推理建模为计算分配问题,决定下一步计算应用于生成、验证还是停止。我们提出CoBa,一种计算平衡路由策略:首先获取少量候选解,广泛应用低成本验证,并将不确定或高价值候选路由至更强验证器。在多个数学和符号推理基准上的实验表明,该方法在显著减少Token消耗的同时,达到了与自评估加权投票相当的高准确率,证明了其在推理效率优化方面的有效性。

AI 推荐理由

论文聚焦于测试时推理计算分配,通过路由策略优化数学与符号推理性能,直接提升LLM推理能力。

研究机构
长沙理工大学数学与统计学院,中国长沙 上海交通大学生物医学工程学院,中国上海
论文信息
作者 Yan Zhou, Yue Ouyang, Kaiyang Zheng, Suncheng Xiang
发布日期 2026-08-07
arXiv ID 2608.07424
相关性评分 9/10 (高度相关)