改进 LLM 推理的推理时扩展方法分类

Sebastian Raschka 将推理时扩展方法归为 Chain-of-Thought Prompting、Self-Consistency、Best-of-N Ranking、带验证器的拒绝采样和路径搜索等类别，并讨论它们的组合。该文聚焦不改变模型权重的推理阶段计算；作者表示，相关实验将基础模型准确率从约 15% 提升至约 52%。