用于评估器引导测试时推理的置信度校准推理扩展

研究者提出一种计算感知的动作控制器，通过置信度校准来平衡评估器引导推理中的采纳、回退与继续扩展决策。在宽度扩展和修订任务中，该控制器相比固定策略提升了效用，并分别减少约 30% 和 16% 的归一化在线算力消耗。在 Qwen3-8B 上的测试显示其算力消耗低于拟合 Q 方法，将测试时推理形式化为不确定性下的资源分配问题。