概述
测试时计算扩展意味着在模型回答问题时给予模型更多的思考时间和计算，而不是仅仅在训练期间使其更大。这是“推理模型”背后的突破，可以通过在响应之前深思熟虑来解决困难的数学和编码问题。
测试时计算扩展是语言人工智能堆栈的一部分，用于大规模读取、生成、分类和转换文本和语音。
深入探讨
多年来，人工智能的进步意味着扩展训练：更多数据、更多参数、更多预训练计算。测试时计算缩放添加了第二个轴，在推理上花费更多计算。推理模型不是立即给出答案，而是生成一个很长的内部思维链，探索步骤、检查工作和回溯。技术包括扩展思想链、对许多候选解决方案进行采样并选择最佳解决方案（自洽或 N 中最佳），以及由验证者或奖励模型引导的树式搜索。 OpenAI 的 o1 和 o3、DeepSeek-R1 和 Claude 的扩展思维普及了这一点：当你让模型“思考得更久”时，竞赛数学和编程的准确性会急剧上升，在快速回答失败的情况下，用延迟和成本来换取问题的正确性。
技术洞察
该模型通过强化学习进行训练，以产生有用的推理标记，然后在推理时分配“思维预算”。更多的代币可以让它分解问题、捕获自己的错误并进行自我验证。 Best-of-N 采样和验证者引导的搜索添加了并行计算：生成多次尝试，对它们进行评分，保留获胜者。至关重要的是，具有大量测试时间计算能力的较小模型可以与立即给出答案的较大模型相匹配，从而重塑成本曲线。
掌握测试时计算扩展
测试时计算扩展意味着在模型回答问题时给予模型更多的思考时间和计算，而不是仅仅在训练期间使其更大。这是“推理模型”背后的突破，可以通过在响应之前深思熟虑来解决困难的数学和编码问题。测试时计算扩展是语言人工智能堆栈的一部分，用于大规模读取、生成、分类和转换文本和语音。为了建立深入的理解，请将测试时计算扩展视为一种操作模型，而不是单个功能：定义所需的结果，澄清假设，并将系统可以可靠地执行的操作与仍需要专家判断的操作分开。
在实践中，使用测试时计算扩展的强大团队将提示、检索和审查循环设计为一个集成通信系统。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
语言工作流程可以在不牺牲一致性的情况下更快地移动。与此同时，幻觉事实可以悄悄地进入报告、支持流程或研究成果。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
语言工作流程可以在不牺牲一致性的情况下更快地移动。
语言工作流程可以在不牺牲一致性的情况下更快地移动。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
它扩展了跨语言和沟通方式的访问。
它扩展了跨语言和沟通方式的访问。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
团队可以花更多时间进行判断，而自动化则可以处理重复。
团队可以花更多时间进行判断，而自动化则可以处理重复。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
OpenAI 的 o1 和 o3 模型逐步思考奥林匹克级别的数学问题，在 AIME 和竞赛基准上显着超越即时答案模型。
DeepSeek-R1 使用强化学习来教授长链思维推理，公开展示了额外推理计算带来的巨大准确性提升。
Claude 的扩展思维模式允许开发人员设置令牌预算，以便模型在回复之前对复杂的编码或分析任务进行更长时间的推理。
AlphaCode 和类似的系统在测试时对数千个候选程序进行采样，然后对它们进行过滤和排名以解决竞争性编程挑战。
实施模式
实践中的测试时计算扩展
OpenAI 的 o1 和 o3 模型逐步思考奥林匹克级别的数学问题，在 AIME 和竞赛基准上显着超越即时答案模型。
OpenAI 的 o1 和 o3 模型逐步思考奥林匹克级别的数学问题，在 AIME 和竞赛基准上显着超越即时答案模型。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
实践中的测试时计算扩展
DeepSeek-R1 使用强化学习来教授长链思维推理，公开展示了额外推理计算带来的巨大准确性提升。
DeepSeek-R1 使用强化学习来教授长链思维推理，公开展示额外推理计算带来的巨大准确性提升。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力收益和错误成本时，通常会获得更好的结果。
实践中的测试时计算扩展
Claude 的扩展思维模式允许开发人员设置令牌预算，以便模型在回复之前对复杂的编码或分析任务进行更长时间的推理。
Claude 的扩展思维模式允许开发人员设置令牌预算，以便模型在回复之前对复杂的编码或分析任务进行更长时间的推理。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
实践中的测试时计算扩展
AlphaCode 和类似的系统在测试时对数千个候选程序进行采样，然后对它们进行过滤和排名以解决竞争性编程挑战。
AlphaCode 和类似的系统在测试时对数千个候选程序进行采样，然后对它们进行过滤和排名，以解决竞争性编程挑战。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
风险与防护栏
幻觉的事实可以悄悄地进入报告、支持流程或研究成果。
及时的敏感性可能会在类似的请求中产生不一致的结果。
如果访问控制薄弱，敏感文本数据可能会暴露。
实施路线图
在推出之前定义输出格式、语气和质量标准。
在推出之前定义输出格式、语气和质量标准。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
当准确性很重要时，请使用可信来源进行地面响应。
当准确性很重要时，请使用可信来源进行地面响应。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
为高风险输出保留人工审查检查点。
为高风险输出保留人工审查检查点。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
跟踪故障模式并定期重新训练提示或工作流程。
跟踪故障模式并定期重新训练提示或工作流程。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。