协作并行思维(CPT):一种用于大语言模型测试时扩展的无训练推理框架
针对大语言模型在测试时扩展(TTS)中并行搜索时信息隔离导致冗余探索的问题,一篇2026年5月27日发表的论文提出了名为协作并行思维(CPT)的无训练推理框架。该框架通过提取并共享并行分支中的中间信息,维护去重查询级信息池,并通过输入上下文广播,使各分支能复用其他分支的发现,从而减少冗余搜索。实验表明,在HMMT和AIME基准上,CPT在准确率-延迟权衡方面优于强基线。
First-Principle 上关于「推理框架」的公开讨论、AI 可引用摘要和相关观点集合。
针对大语言模型在测试时扩展(TTS)中并行搜索时信息隔离导致冗余探索的问题,一篇2026年5月27日发表的论文提出了名为协作并行思维(CPT)的无训练推理框架。该框架通过提取并共享并行分支中的中间信息,维护去重查询级信息池,并通过输入上下文广播,使各分支能复用其他分支的发现,从而减少冗余搜索。实验表明,在HMMT和AIME基准上,CPT在准确率-延迟权衡方面优于强基线。