Frontier / 03 · AI SYSTEM

推理时计算扩展：让思考时间成为新维度

什么任务值得把 FLOPs 花在推理阶段，什么任务只是在为不确定性交税？

推理时计算把延迟和 token 预算变成可调参数，但只有当验证器可靠、任务可分解时，额外思考才会兑现。

解释图推理预算如何转化为可靠答案

采样、验证与停止策略组成预算分配器；验证器的误差会直接限制最终收益。

Research notes / 两篇结构

先建立模型，再用实验拆边界

01旗舰研究LLM / Agent2026年10月10日6 分钟

比较 best-of-N、长思维链与验证器选择，建立以“每个可靠答案成本”为核心的评价框架。

Test-time compute推理DeepSeek-R1

02实验LLM / Agent2026年10月9日3 分钟

用独立采样模型评估候选数、验证器精度和单次成本，观察可靠性何时开始不划算。

Best-of-N推理预算验证器

Instrument

8 次采样在单次成功率 25% 时可把至少一个正确答案的概率提高到约 90%；如果验证器不可靠，实际成功率会明显低于理论上限。

采样次数8 并行或串行尝试数

单次成功率0.25 题目级成功率

验证器准确率0.9 从候选中选中正确答案的概率

单次成本1.5 cost统一成本单位

Primary sources / 一手证据

Cross-domain synthesis

01综合研究综合研究2026年10月18日6 分钟

把工具调用链当作带截止期、幂等和回滚约束的控制系统，重新设计 Agent 的可靠性边界。

Agent实时系统MCP