1.多非共识，Test-time Scaling 能否一直大力出奇迹？ Test-time Scaling 有哪些非共识？流行的 Sequential 和 Parallel 路线有何局限？Test-time Scaling 为何需要「Better Search」？「温度」如何影响 Scaling 效果？Test-time Scaling 有哪些「Where」需要改进？... 2. Skills ...

1. 用 Test Time 换 Training Time 能让 LLM 更强吗？ Self-Play 会是训 LLM 的新热点吗？把预算投入 Inference 会比扩大 LLM 参数更有效吗？PRM 对 Test-Time Compute 性价比影响多大？额外的 Inference Time 能帮 LLM 提升多少能力？Test-Time Compute 性价比还能再提高吗？... 2.

本文由来自香港城市大学、麦吉尔大学（McGill）、蒙特利尔人工智能实验室（MILA）、人大高瓴人工智能学院、Salesforce AI Research、斯坦福大学、UCSB、香港中文大学等机构的多位研究者共同完成。第一作者为来自香港城市大学的博士生张启源和来自蒙特利尔人工 ...

2025年3月，兰德公司（RAND）发布《当人工智能需要时间思考时：浅谈“测试时计算”的含义》（When AI Takes Time to Think: Implications of Test-Time Compute），文章介绍了“测试时计算”（Test-Time Compute，TTC）在推理型人工智能模型中的兴起及其深远影响。启元洞见编译文章 ...

齐鲁网·闪电新闻3月2日讯 近日，山东工商学院信息与电子工程学院郭文教授的论文"Dual-level Adaptation for Multi-Object Tracking: Building Test-Time Calibration from Experience and Intuition"被IEEE/CVF Conference on Computer Vision and Patter ...

计算机视觉领域正迎来一场由推理扩展技术驱动的范式变革。随着大语言模型通过测试时计算扩展（Test-time Scaling）在逻辑推理层面实现突破，视觉智能的研究重心正从静态像素分析转向动态世界建模。这种转变标志着视觉系统从"被动感知"向"主动认知"的跨越，为构建具备人类级空间理解能力的AI模型开辟了新路径。