Ahsan Bilal, Muhammad Ahmed Mohsin, Muhammad Umer, Ayesha Mohsin, Sarmad Bilal, Dean F. Hougen · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28294 · open-access PDF
Testzeitskalierung verleiht zusätzliche Schlußrechnungen, um bestehende Lösungen zu verfeinern oder neue zu generieren. Dies wirft eine grundlegende Frage auf: Sollte ich diese Lösung weiter verbessern oder aufhören, daran zu arbeiten und eine völlig neue Lösung auszuprobieren? Bestehende Methoden treffen diese Entscheidung mithilfe von festgelegten Verfeinerungsplänen, Selbstprüfungsurteilen oder gelehrten Controllern, die Rechnungen verschwenden oder sich auf Signale verlassen können, die möglicherweise falsch sind oder zusätzliche Ausbildung erfordern.
Machine translation (Meta M2M100); the English original follows.
Test-time scaling allocates additional inference compute to refining existing solutions or generating new ones. This raises a fundamental question: Should I keep improving this solution, or stop working on it and try a completely new solution? Existing methods make this decision using fixed refinement schedules, self-verification judgments, or learned controllers, which can waste compute or rely on signals that may be incorrect or require additional training. We introduce Adaptive Replay Refinement (ARR), a training-free method that detects when a stationary revision reaches a fixed point and
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28294, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange