概念
别名：测试时扩展、TTS
在推理阶段动态分配更多计算资源以提升模型输出的技术范式。
已跟踪 2 条高相关材料
最近变化
2026-06-04 · Instructed-Retriever-1使搜索延迟降低3倍以上，TTFT降至约2秒，无需重新配置。
为什么值得关注
Test-Time Scaling 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
3x Faster Search: Parallel Test-Time Scaling with Instructed-Retriever-1
Databricks · 9.2 分
Databricks发布Instructed-Retriever-1模型，通过并行测试时计算将搜索延迟降低3倍、首Token时间缩至2秒，且无需牺牲检索质量。该模型统一查询生成与重排序任务，利用多枢轴分组重排和并行查询扩展实现召回率与精确度的帕累托最优，为企业级RAG系统提供低...
// LLMs Improving LLMs // Interesting progress the past of couple of weeks around self-improving AI...
elvis(@omarsar0) · 8.7 分
AutoTTS框架实现LLM自主搜索测试时扩展策略，仅用$39.9和160分钟即发现优于人工设计的控制器，在数学推理任务中达成更高精度-成本帕累托前沿。
已收录 2 条与 Test-Time Scaling 相关的内容，按评分排序。
Databricks发布Instructed-Retriever-1模型，通过并行测试时计算将搜索延迟降低3倍、首Token时间缩至2秒，且无需牺牲检索质量。该模型统一查询生成与重排序任务，利用多枢轴分组重排和并行查询扩展实现召回率与精确度的帕累托最优，为企业级RAG系统提供低延迟高精度检索新范式。
入选理由：Instructed-Retriever-1使搜索延迟降低3倍以上，TTFT降至约2秒，无需重新配置。
AutoTTS框架实现LLM自主搜索测试时扩展策略，仅用$39.9和160分钟即发现优于人工设计的控制器，在数学推理任务中达成更高精度-成本帕累托前沿。
入选理由：AutoTTS将测试时扩展策略搜索成本降至39.9美元和160分钟，显著低于传统人工调参。
