已验证75% 置信观点精确时间

在推理阶段投入更多计算（test-time compute scaling）可显著提升模型表现，且往往比等量的训练阶段计算投入更具性价比

3

来源数

75%

置信度

长期有效

时效性

2026/9/4

首次发现

来源

OpenAI Astra与循环深度：模型静默思考如何重塑AI推理

涉及实体

测试时计算扩展concept

相关事实

待验证在推理阶段投入更多工程智慧可以带来实质性的性能跃升，而不只是训练更大模型79% 相似待验证在同一基座上通过后训练实现编程能力大幅提升，为算力受限的团队提供了新的模型迭代思路78% 相似待验证微调训练过程中需要同时保存模型权重、梯度、优化器状态，显存消耗通常是推理时的 3-4 倍77% 相似待验证大型预训练模型的普及使许多任务的基线性能大幅提升，导致单纯的性能增量越来越难以令人印象深刻77% 相似待验证OpenAI研究发现推理时算力的扩展曲线与训练时算力具有相似的幂律特性，更多推理计算通常带来更高任务准确率77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/852736

API

curl https://kongchang.com/api/v1/knowledge/claims/852736

MCP

get_claim(id=852736)