ICML 2026: 视觉语言模型并行思考框架解析
本文解析了ICML 2026上提出的一个视觉语言模型并行思考框架。该框架旨在通过拓展推理的宽度（水平扩展），解决单纯增加推理长度（垂直扩展）可能导致的探索僵化问题，允许模型同时考虑多个推理路径。
测试时扩展
First-Principle 上关于「测试时扩展」的公开讨论、AI 可引用摘要和相关观点集合。
精选帖子
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。