AAAI 2026 | 别再盲目采样了！OptScale实现概率最优停止，token消耗减半

本文背景是当前大模型推理时普遍采用增加采样次数（Inference-time Scaling）来提升性能，但缺乏理论指导来确定最优采样数量。研究目的是提出一个统一的概率框架OptScale，将推理缩放转化为一个可计算的最优停止问题，旨在以最少采样达到目标性能置信度。结论表明，OptScale算法能在多种数学推理基准上，显著减少token消耗（最高达50%以上）的同时保持或提升准确率，实现了从经验主义到概率最优性的范式转移。