myWiki/concepts/inference-time-scaling.md

title, created, updated, type, tags, sources, confidence

title	created	updated	type	tags	sources	confidence
Inference-Time Scaling（推理时扩展）	2026-05-23	2026-05-23	concept	inference scaling reasoning compute	raw/papers/gram-generative-recursive-reasoning-2026.md	high

Inference-Time Scaling

GRAM 提出的双维度推理扩展：不仅通过递归深度（deeper），还通过并行轨迹采样数（wider）来提升推理质量。

两种扩展维度

维度	方式	效果
深度 (Deep)	增加递归步数 T	更多精炼迭代
宽度 (Wide)	并行采样更多轨迹	更好的边际化估计、多解发现

与传统扩展方式的区别

• Chain-of-Thought: 只能 depth（更长 token 序列）
• Ensemble: 只能 width（多个独立模型）
• GRAM: depth x width（单一模型的递归深度 x 轨迹数）

关键洞察

深度和宽度的边际收益不同：

• 深度对单解精炼最有效
• 宽度对多解覆盖和不确定性处理最有效
• 最优配置 = 任务依赖的资源分配

相关概念

• width-based-scaling
• deep-and-wide-reasoning
• gram-generative-recursive-reasoning