inference-compute

提出了一种名为“Machine Studying”的新型持续学习框架，其中AI系统能够自主从语料库中发展专业知识，并引入了StudyBench用于评估。

介绍“Machine Studying”作为一个问题，AI代理必须从语料库中自主发展专业知识，超越RAG或长上下文，并提出了StudyBench基准进行评估。

本文系统研究了推理时计算（token预算、上下文压缩、重复提交）如何影响前沿LLM在具有挑战性的基准上的性能，表明得分是协议相关的，并提倡评估应将能力表示为推理计算的函数。

TMAS 引入了一种多智能体框架，通过结构化协作与分层记忆系统扩展测试时计算，从而增强大语言模型的推理能力。该方法采用专用智能体、跨轨迹信息流以及混合奖励强化学习，有效提升了模型在复杂推理基准上的迭代扩展性能与稳定性。