轻量多模态模型能估计LLM推理性能吗？一项面向计算最优文档推理的研究

为LLM统一分配推理预算既昂贵，又容易出现"过度思考"惩罚；在视觉版式驱动复杂度的文档任务中尤其如此。为此，我们提出BudgetDoc，首个在三个文档任务上为模型-预算-性能权衡提供显式监督的多模态基准。利用BudgetDoc，我们训练了DRB（Document-Reasoning Balancer），一个约1B参数的预检估计器（SigLIP-2 + Qwen3-0.6B），用于预测模型在各预算档位上的序数表现，加权F1达到0.753。在五个前沿模型和三个数据集上动态分配推理预算时，DRB在15组配置中的9组达到或超过始终使用最大预算基线的F1，同时大幅降低成本。最后，初步评估显示DRB有潜力泛化到跨模型选择。