推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

大模型测试时扩展—从推理时计算到Test-Time Scaling的技术革命.docx

更新时间:2026-09-12 10:41:51 大小:39K 上传用户:烟雨查看TA发布的资源 标签:大模型Test-Time Scaling推理时计算慢思考System 2 下载积分:2分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

大模型测试时扩展——从推理时计算到Test-Time Scaling的技术革命

——2026年推理时计算扩展技术原理、方法与前沿进展

一、引言

测试时扩展(Test-Time Scaling, TTS)是2026年大模型领域最受关注的技术方向之一。它打破了传统"训练时堆算力"的单一范式,通过在推理阶段分配更多计算资源来提升模型输出质量。从OpenAI o1/o3的"思考预算"到DeepSeek-R1的"顿悟时刻",TTS已证明:一个7B模型在推理时投入足够计算资源,可以超越一个70B模型的即时回答能力。这不仅是算法上的胜利,更是对智能本质的进一步逼近。本文系统梳理TTS的技术原理、核心方法和工程实践。

二、从快思考到慢思考

2.1 System 1与System 2

诺贝尔经济学奖得主丹尼尔·卡尼曼在《思考,快与慢》中,将人类思维分为两种模式:System 1(快思考)靠直觉快速反应,System 2(慢思考)需要集中注意力做逻辑推演。传统大模型本质上是System 1——通过自回归方式一个字一个字地预测,做的是复杂的"直觉反射"。TTS的目标就是给大模型装上System 2——让它在给出最终答案前,在后台打草稿、自我纠错、尝试不同路径。


部分文件列表

文件名 大小
大模型测试时扩展—从推理时计算到Test-Time_Scaling的技术革命.docx 39K

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载