[控场AI]
概念inference-time scaling / 测试时计算扩展 / test-time compute

推理时扩展

通过在模型推理阶段增加计算量来提升AI模型性能的技术路径，是预训练Scaling Law收益递减后的重要替代方向

核心事实

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

已验证90% 置信6 来源

推理时计算扩展通过延长思维链、多路径采样择优、自我验证反思等方式在推理阶段投入更多计算可提升复杂推理任务性能

已验证65% 置信3 来源

时间轴 (近 90 天)

11月5日

推理时扩展指在模型推理阶段通过增加计算量来提升输出质量，而不修改模型参数。

待验证50%
10月9日

业界近年积极探索后训练、强化学习与推理时扩展等替代路径，根本原因之一是预训练Scaling Law的边际回报递减

待验证50%

全部知识事实 (4)

已验证

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

90%已验证

推理时计算扩展通过延长思维链、多路径采样择优、自我验证反思等方式在推理阶段投入更多计算可提升复杂推理任务性能

65%待验证

推理时扩展指在模型推理阶段通过增加计算量来提升输出质量，而不修改模型参数。

50%待验证

业界近年积极探索后训练、强化学习与推理时扩展等替代路径，根本原因之一是预训练Scaling Law的边际回报递减

50%

来源文章

回合级Best-of-N采样：LLM智能体推理时扩展新策略11月5日11小时视频课程：从零构建推理模型10月24日AI进步呈指数级，但资本投入超指数：增长能持续吗？10月9日