从帕累托到偏好：通过摊销式智能体策略发现实现个性化测试时缩放
摘要
提出了 PersonTTS，一个通过需求匹配的控制器初始化和源蒸馏程序化指导，实现个性化测试时缩放（多维用户需求联合满足）的摊销式智能体策略发现框架，在 AIME 和 HMMT 上显著优于现有 TTS 基线。
查看缓存全文
缓存时间: 2026/10/08 12:13
论文页面 - 从 Pareto 到偏好：通过摊销式智能体策略发现实现个性化测试时扩展
Source: https://huggingface.co/papers/2610.09684
发布于 10 月 7 日
·
由 https://huggingface.co/bitwxl2022 提交
bitwxl (https://huggingface.co/bitwxl2022)于 10 月 8 日发布
作者：
,
,
,
,
,
,
,
,
,
,
摘要
测试时扩展（Test-time scaling，TTS）通过分配额外的推理计算来提升大语言模型的推理能力。现有提升 TTS 效率的方法大多在单个资源维度上优化准确率，要么推进准确率–成本、要么推进准确率–延迟的 Pareto 前沿。然而用户的需求是多维度的：用户可能同时指定准确率、延迟和推理成本等要求，而不同的要求组合可能偏好不同的控制器。我们将个性化测试时扩展（Personalized Test-Time Scaling）表述为：发现能够最大化用户特定需求联合满足率的可执行控制器。为降低针对新用户档案反复进行策略发现的开销，我们提出 PersonTTS——一个摊销式智能体策略发现框架，它通过需求匹配的控制器初始化和源域蒸馏的过程化指引来复用先前的搜索经验，同时仍对每个候选控制器执行目标档案评估。在 AIME 和 HMMT 上的实验表明，在未见过的用户档案和留出问题上，PersonTTS 在联合需求满足率上大幅优于强大的 TTS 基线方法。在相同的候选评估预算下，跨用户经验复用进一步提升了策略质量，同时显著降低了策略发现智能体的时间和成本。
查看 arXiv 页面 查看 PDF GitHub 加入收藏
在你的智能体中获取此论文：
hf papers read 2610.09684
还没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash
引用此论文的模型 0
没有模型链接此论文
在模型 README.md 中引用 arxiv.org/abs/2610.09684，即可从此页面链接它。
引用此论文的数据集 0
没有数据集链接此论文
在数据集 README.md 中引用 arxiv.org/abs/2610.09684，即可从此页面链接它。
引用此论文的 Spaces 0
没有 Space 链接此论文
在 Space README.md 中引用 arxiv.org/abs/2610.09684，即可从此页面链接它。
包含此论文的合集 0
没有合集包含此论文
将此论文添加到合集，即可从此页面链接它。
相似文章
代理式测试时扩展（GitHub 仓库）
AutoTTS 是一个开源工具，它利用代理发现机制，自动为大型语言模型（LLM）寻找最优的测试时扩展策略，通过基于重放的评估显著降低 token 消耗和成本。
测试时个性化：针对缩放失败的一种诊断框架与概率修正方法
本文提出了测试时个性化（TTP），这是一种通过候选采样和基于奖励的选择来扩展推理时计算，从而提升大语言模型（LLM）个性化能力的框架。该研究诊断了标准奖励模型中的失效模式，并提出了一种概率个性化奖励模型以缓解这些问题。
TAO：面向基于大语言模型的智能体服务的工具感知联合调度
TAO 提出一个工具感知的联合调度框架，用于基于大语言模型的智能体服务，通过动态规划在容量约束下选择和放置会话，相比最优基线最高降低 26.8% 的延迟、36.3% 的首词元生成时间，并提升 29.5% 的解码吞吐量。
用 LLM 优化 LLM：面向测试时扩展的智能体发现方法
本文提出了 AutoTTS，这是一种环境驱动的框架，通过将测试时扩展（TTS）策略的发现过程形式化为控制器合成，自动发现用于大型语言模型（LLM）的测试时扩展策略。该框架在数学推理基准测试上展示了更优的准确率-成本权衡，且计算开销极小。
SteerTTS：一个用数字调控的 23M 参数英文 TTS 模型（音高、语速、响度等以 z-score 表示），可在 CPU 上实时运行 [P]
SteerTTS 是一个 23M 参数的可数值调控英文 TTS 模型，通过 z-score 控制语速、音高、响度等 12 项参数，可在 CPU 上实时运行，并附带 2825 个内置语音与实验性零样本克隆。