待验证50% 置信事实精确时间
Snell等人在2024年发表研究《Scaling LLM Test-Time Compute Optimally》，量化了将算力从预训练转移到推理时搜索与验证的权衡关系
1
来源数
50%
置信度
长期有效
时效性
2026/7/17
首次发现
来源
相关事实
待验证Snell等人2024年的研究量化了当模型规模固定时，增加推理算力的边际收益在许多任务上优于同等算力用于继续预训练85% 相似待验证推理时计算（Test-Time Compute）的理论基础可追溯至2020年OpenAI发布的《Scaling Laws for Neural Language Models》论文68% 相似待验证推理时计算（Test-Time Compute）指新一代模型在生成最终答案前通过思维链机制进行更长时间的内部推理67% 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67% 相似待验证数学LLM的训练策略包括在通用预训练基础上使用大规模数学语料进行继续预训练，再通过链式推理数据监督微调，并结合过程奖励模型进行强化学习66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/547613API
curl https://kongchang.com/api/v1/knowledge/claims/547613MCP
get_claim(id=547613)