Buchumschlag

Rethinking Optimal Verification Granularity for Compute-Efficient Test-Time Scaling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Hao Mark, Lu, Guanxi, Okoshi, Yasuyuki, Mo, Zhiwen, Motomura, Masato, Fan, Hongxiang
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Context Memorization for Efficient Long Context Generation
von: Okoshi, Yasuyuki, et al.
Veröffentlicht: (2026)

AQPIM: Breaking the PIM Capacity Wall for LLMs with In-Memory Activation Quantization
von: Matsushima, Kosuke, et al.
Veröffentlicht: (2026)

The Strong Lottery Ticket Hypothesis for Multi-Head Attention Mechanisms
von: Otsuka, Hikari, et al.
Veröffentlicht: (2025)

FastTTS: Accelerating Test-Time Scaling for Edge LLM Reasoning
von: Chen, Hao Mark, et al.
Veröffentlicht: (2025)

Binary Quadratic Quantization: Beyond First-Order Quantization for Real-Valued Matrix Compression
von: Kuroki, Kyo, et al.
Veröffentlicht: (2025)

AdaBlock-dLLM: Semantic-Aware Diffusion LLM Inference via Adaptive Block Size
von: Lu, Guanxi, et al.
Veröffentlicht: (2025)

Partially Frozen Random Networks Contain Compact Strong Lottery Tickets
von: Otsuka, Hikari, et al.
Veröffentlicht: (2024)

FW-Merging: Scaling Model Merging with Frank-Wolfe Optimization
von: Chen, Hao Mark, et al.
Veröffentlicht: (2025)

Rethinking Fine-Tuning when Scaling Test-Time Compute: Limiting Confidence Improves Mathematical Reasoning
von: Chen, Feng, et al.
Veröffentlicht: (2025)

Every Rollout Counts: Optimal Resource Allocation for Efficient Test-Time Scaling
von: Wang, Xinglin, et al.
Veröffentlicht: (2025)

Enhancing Trustworthiness with Mixed Precision: Benchmarks, Opportunities, and Challenges
von: Lu, Guanxi, et al.
Veröffentlicht: (2025)

Rethinking the Unsolvable: When In-Context Search Meets Test-Time Scaling
von: Xia, Fanzeng, et al.
Veröffentlicht: (2025)

Iterative Deepening Sampling as Efficient Test-Time Scaling
von: Chen, Weizhe, et al.
Veröffentlicht: (2025)

Detecting and Mitigating the Correct-Answer Extinction Window in Test-Time Reinforcement Learning with Majority Voting
von: Lin, Hongxiang, et al.
Veröffentlicht: (2026)

Labels Matter More Than Models: Rethinking the Unsupervised Paradigm in Time Series Anomaly Detection
von: Zhong, Zhijie, et al.
Veröffentlicht: (2025)

Advancing AI-assisted Hardware Design with Hierarchical Decentralized Training and Personalized Inference-Time Optimization
von: Chen, Hao Mark, et al.
Veröffentlicht: (2025)

Beyond the Frontier: Stochastic Backtracking for Efficient Test-Time Scaling
von: Tran, Dao, et al.
Veröffentlicht: (2026)

GLIMPSE: Holistic Cross-Modal Explainability for Large Vision-Language Models
von: Shen, Guanxi
Veröffentlicht: (2025)

Code Generation by Differential Test Time Scaling
von: He, Yifeng, et al.
Veröffentlicht: (2026)

Multi-Agent Verification: Scaling Test-Time Compute with Multiple Verifiers
von: Lifshitz, Shalev, et al.
Veröffentlicht: (2025)

Sample, Scrutinize and Scale: Effective Inference-Time Search by Scaling Verification
von: Zhao, Eric, et al.
Veröffentlicht: (2025)

Provable Scaling Laws for the Test-Time Compute of Large Language Models
von: Chen, Yanxi, et al.
Veröffentlicht: (2024)

IsoCompute Playbook: Optimally Scaling Sampling Compute for LLM RL
von: Cheng, Zhoujun, et al.
Veröffentlicht: (2026)

Scaling Test-Time Compute for Agentic Coding
von: Kim, Joongwon, et al.
Veröffentlicht: (2026)

Log-Augmented Generation: Scaling Test-Time Reasoning with Reusable Computation
von: Chen, Peter Baile, et al.
Veröffentlicht: (2025)

Self-Trained Verification for Training- and Test-Time Self-Improvement
von: Wu, Chen Henry, et al.
Veröffentlicht: (2026)

Towards Theoretical Understanding of Transformer Test-Time Computing: Investigation on In-Context Linear Regression
von: Chen, Xingwu, et al.
Veröffentlicht: (2025)

Budget-aware Test-time Scaling via Discriminative Verification
von: Montgomery, Kyle, et al.
Veröffentlicht: (2025)

PETS: A Principled Framework Towards Optimal Trajectory Allocation for Efficient Test-Time Self-Consistency
von: Liu, Zhangyi, et al.
Veröffentlicht: (2026)

Improving LLM Reasoning through Scaling Inference Computation with Collaborative Verification
von: Liang, Zhenwen, et al.
Veröffentlicht: (2024)

Rethinking the Role of Prompting Strategies in LLM Test-Time Scaling: A Perspective of Probability Theory
von: Liu, Yexiang, et al.
Veröffentlicht: (2025)

Surprisal-Guided Selection: Compute-Optimal Test-Time Strategies for Execution-Grounded Code Generation
von: Barnes, Jarrod
Veröffentlicht: (2026)

Efficient Test-Time Scaling via Self-Calibration
von: Huang, Chengsong, et al.
Veröffentlicht: (2025)

Beyond Memorization: Extending Reasoning Depth with Recurrence, Memory and Test-Time Compute Scaling
von: Rodkin, Ivan, et al.
Veröffentlicht: (2025)

When More Thinking Hurts: Overthinking in LLM Test-Time Compute Scaling
von: Zhou, Shu, et al.
Veröffentlicht: (2026)

Scales++: Compute Efficient Evaluation Subset Selection with Cognitive Scales Embeddings
von: Bean, Andrew M., et al.
Veröffentlicht: (2025)

CoScale-RL: Efficient Post-Training by Co-Scaling Data and Computation
von: Chen, Yutong, et al.
Veröffentlicht: (2026)

Strategic Scaling of Test-Time Compute: A Bandit Learning Approach
von: Zuo, Bowen, et al.
Veröffentlicht: (2025)

S*: Test Time Scaling for Code Generation
von: Li, Dacheng, et al.
Veröffentlicht: (2025)

MG-TSD: Multi-Granularity Time Series Diffusion Models with Guided Learning Process
von: Fan, Xinyao, et al.
Veröffentlicht: (2024)