至少一次正确
0.9独立同分布下的理论上限Instrument / reasoning-budget
增加推理次数会线性提高可靠答案概率，但验证成本和延迟如何反噬？
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。
回到 Test-time compute 研究档案Interactive model / software simulation
推理预算与 Best-of-N
把单次成功率、验证器准确率和采样成本放在一起，观察“多试几次”何时仍有收益。
在当前假设下，推理预算可能比直接扩大模型更划算。
验证后可靠率
0.81上限 × 验证器精度推理预算
12cost采样次数 × 单次成本EVIDENCE NOTE
独立同分布假设下的概率模型；真实模型的样本相关性会降低收益。
Primary reading