概念推理时扩展 / Inference Time Scaling

Inference Time Scaling

在模型权重不变的前提下，通过在推理阶段投入更多计算来提升输出质量的技术，包括生成长思维链、采样多候选投票、验证器重排序、树搜索等。

时间轴 (近 90 天)

10月30日

课程流水线依次覆盖：小模型基础、Verifier、Inference Time Scaling、GRPO 强化学习、蒸馏。

待验证50%

10月30日

在推理模型流水线中，验证器在推理时扩展阶段用于对多个采样答案打分并挑选最优，在 GRPO 训练中提供奖励信号，在蒸馏阶段用于筛选高质量推理轨迹。

待验证50%

课程流水线依次覆盖：小模型基础、Verifier、Inference Time Scaling、GRPO 强化学习、蒸馏。