引用harman2607 · 2026-03
“many recent test-time scaling approaches (for example RSA: Recursive Self-Aggregation Unlocks Deep Thinking in Large Language Models”
举 RSA 为近期测试时扩展方法的例子
把一批推理链反复聚合、迭代改进的测试时扩展方法
论文提出递归自我聚合(RSA),一种受进化方法启发、同时结合并行与串行扩展优点的测试时扩展方法:每一步把候选推理链的子集聚合成一批更好的解,再作为下一轮的候选池。结果上,RSA 随算力增加带来明显提升,使 Qwen3-4B-Instruct-2507 在多个推理基准上与 DeepSeek-R1、o3-mini(high)等更大的推理模型相当。作者还提出一种感知聚合的强化学习方法,训练模型学会组合多个解。
评论者把它作为近期测试时扩展做法的例子,说明这类方法会为一个提示生成大量推理轨迹再聚合。
“many recent test-time scaling approaches (for example RSA: Recursive Self-Aggregation Unlocks Deep Thinking in Large Language Models”
“which generates a certain amount of reasoning traces for a prompt”