标签
该论文将评估器引导的测试时推理建模为一个计算感知的三动作控制器（信任、回退、扩展），通过学习并校准动作特定的置信度估计来优化推理计算分配，在 Qwen3-8B 上实现约 30% 和 16% 的计算节省。