科学方程发现的测试时间缩放

测试时间缩放（TTS）通过分配额外的测试时间计算来改进语言模型推理，但之前的工作主要研究数学和编码等封闭式任务。我们研究 TTS 来自动发现方程，这是一种开放式设置，模型搜索候选方程并依赖观察到的数据点来获取反馈。我们将 LLM 驱动的方程发现制定为迭代搜索过程，该过程在通用计算分配视图下统一了 Best-of-N、顺序求精、树搜索和进化式方法。 To isolate allocation effects from prompt engineering and other heuristics, we compare minimal parallel controllers under fixed budgets.在 LLM-SRBench 方程发现任务中，我们发现搜索宽度是主要的分配参数：扫描中的最佳宽度通常会随着计算预算的增加而增加，而总体分支分割和控制器选择则不太重要。 Appropriate width selection also improves wall-clock efficiency by increasing parallelism.这些结果表明，在给定信息丰富的验证者的情况下，控制探索和利用对于扩展基于 LLM 的方程发现至关重要。