待验证50% 置信事实精确时间
推理时扩展在推理阶段增加计算量（如beam search、Best-of-N采样、蒙特卡洛树搜索），模型性能可随计算量增加持续提升并存在幂律关系
1
来源数
50%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
GPT-5.6 Sol实测：多智能体并行如何重塑AI编程工作流
bilibili地层世界2026/7/11
相关事实
待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83% 相似已验证推理时计算扩展（Test-time Compute Scaling）通过在推理阶段投入更多计算资源来提升模型性能，研究表明在某些任务上比单纯增大模型参数更加高效79% 相似已验证推理时扩展（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78% 相似待验证推理时计算在模型参数固定的前提下，通过在推理阶段投入更多计算资源来改善输出质量75% 相似待验证Reasoning能力会显著增加输出token数量和响应延迟，但能大幅提升数学证明、代码调试和多步逻辑推理的准确性74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/502330API
curl https://kongchang.com/api/v1/knowledge/claims/502330MCP
get_claim(id=502330)