摘要 Test-time compute 指的是在模型推理阶段投入更多计算，以换取更高质量输出的一类方法。 常见方法 采样更多候选答案。 在多个推理路径之间搜索。 使用验证器筛选或打分候选答案。 待观察的问题 额外计算什么时候开始不再带来明显收益？ 推理质量应该如何衡量？ 延迟、成本和可靠性之间应该如何取舍？