测试时计算
Test-Time Compute
学到 认得 就够：听到能明白
你可能会说
“我想让模型仔细检查识别策略，多给它一些回答时的计算资源有什么作用？”
测试时计算是模型使用阶段投入的计算资源，可用于更长生成、更多候选、搜索或检查。增加预算有时改善求解，但收益依赖任务、模型和如何分配，不是时间越长越正确。
使用 AI
科研里的例子
用更多候选核一段统计推导，若每条都沿用同一错误假设，额外计算不会产生有效证据，需先验证前提。
与增加预训练规模不同，这条路线在参数大致固定时改变运行方式。可以并行产生候选后筛选，也可序贯修订；若筛选器不可靠，多生成还可能放大错误。效果通常与问题难度相关，因此比较需固定资源或清楚报告成本。社科研究中尤其不能把网页等待时间当作实际思考量：排队、网络和工具耗时都可能混在其中，应以可获得的运行信息与任务结果判断。
判断
亲手检查一次
对同一组可验证题目设置两种预算，比较正确数与耗时，记录增益集中在哪些题目，避免只展示成功个例。
它做不到的
测试时不是最终测试集专用时间；计算预算也不等于可见解释字数，额外输出更长不代表更可靠。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。