Newest papers

Adaptive Replay Refinement: Allocating Test-Time Compute Between Revision and Resampling

Ahsan Bilal, Muhammad Ahmed Mohsin, Muhammad Saad Umer, Ayesha Mohsin, Sarmad Bilal, Dean F. Hougen · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.28294 · cited by 0 works (OpenAlex) · open-access PDF

Russian

Тест-время скалирования Codehaus выделяет дополнительные выводные вычисления для уточнения существующих решений или создания новых. Это поднимает фундаментальный вопрос: должен ли я продолжать улучшать это решение, или прекратить работу над ним и попробовать совершенно новое решение? Существующие методы принимают это решение с использованием фиксированных расписаний рафинирования, суждений самопроверки или обученных контроллеров, которые могут растрачивать вычисления или полагаться на сигналы, которые могут быть неправильными или требуют дополнительной подготовки. Мы внедряем Adaptive Replay Refinement (ARR), метод без обучения, который обнаруживает, когда стационарный пересмотр достигает фиксированной точки и перераспределяет выпущенный вычисление на новый независимый обра

Machine translation (Meta M2M100); the English original follows.

Abstract

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 reallocates the released compute to a new independent sample; replay decoding treats the current solution as a draft and verifies unchanged tokens in parallel, enabling efficient fixed-point detection. Across seven models from five families and seven benchmarks, ARR matches majority voting on three of five mathematical reasoning benchmarks at equal compute, while reducing critical-path serial passes by up to 2.4 times. On MATH500, ARR achieves 84.6% accuracy with only 41% of the serial passes required by majority voting. These results demonstrate that detecting refinement exhaustion enables adaptive reallocation from revision to independent sampling, improving inference efficiency while highlighting the limits of self-revision. Code is available at https://github.com/AhsanBilal7/adaptive_refine.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Computer science, Resampling, Inference, Point (geometry), Algorithm, Code (set theory)

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange