arXiv cs.AI· Weida Liang, Kenji Kawaguchi·· 9 小时前AI 评分39
面向评估器引导测试时推理的置信度校准推理扩展（Qwen3-8B 实验）
Confidence-Calibrated Inference Expansion for Evaluator-Guided Test-Time Reasoning
AI 导读
评估器引导推理被建模为计算感知的三动作控制器：终止动作按预测答案成功率打分，扩展按基于 rollout 的续推成功率替代量评估，并显式计入计算成本。在留出的宽度扩展与修订任务上，其观察效用优于校准选出的固定策略，归一化在线计算分别降低约 30% 和 16%。四个 Qwen3-8B 种子下计算量均低于拟合 Q，效用差异小且混合；该工作已被 NeurIPS 2026 接收。
来源：arXiv cs.AI · arxiv.org