CoBa：基于计算均衡路由的高性价比测试时扩展

测试时扩展通常通过沿单一维度投入更多计算来实现：采样更多解答、延长思维链，或使用更强的评估器。在固定推理预算下，这些选择相互竞争。本文将测试时推理表述为一个计算分配问题：系统必须决定下一单位计算应花在生成、验证还是停止上。我们提出CoBa，一种计算均衡路由策略：先获得少量候选解，广泛施加廉价验证，并将不确定或高价值的候选路由给更强的验证。在涵盖MATH-500、AIME 2024/2025、AMC 2023和程序性符号推理的3,129次示例生成器评估中，CoBa-Routed-Strong达到85.13%的宏平均准确率，在统计上与85.20%的自评估加权投票代理持平，同时少用49.1%的参数加权token；它还与best-of-16多数投票在宏平均准确率上相差不超过0.01个百分点，同时少用58.9%的参数加权token，配对检验显示best-of-16在成本大幅更高的情况下仍保有小幅优势。配对自助法检验显示其相对单样本解码有显著增益，而与池化oracle的剩余差距则暴露了更精细路由的提升空间。对本地推理系统而言，测试时扩展变成“下一份计算用在哪里最有价值”的问题。