已验证90% 置信事实精确时间
推理时扩展（inference-time scaling）通过在推理阶段增加计算量提升模型性能，存在类似预训练的幂律关系
6
来源数
90%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
GPT-5.6 Sol实测：多智能体并行如何重塑AI编程工作流
bilibili地层世界2026/7/11
相关事实
已验证推理时计算扩展（Test-time Compute Scaling）通过在推理阶段投入更多计算资源来提升模型性能，研究表明在某些任务上比单纯增大模型参数更加高效84% 相似已验证推理增强模型本质上是以推理时算力（Inference-time Compute）换取准确率83% 相似待验证研究显示推理时计算的扩展律与训练时计算具有相似的效益曲线80% 相似已验证当模型规模突破某一临界点后会出现涌现能力，包括上下文学习和思维链推理等能力79% 相似待验证推理时扩展在推理阶段增加计算量（如beam search、Best-of-N采样、蒙特卡洛树搜索），模型性能可随计算量增加持续提升并存在幂律关系78% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/502089API
curl https://kongchang.com/api/v1/knowledge/claims/502089MCP
get_claim(id=502089)