术语slug: test-time-compute

测试时计算

Test-Time Compute

在推理阶段增加计算资源以提升输出质量的策略

收录情报动态

共 6 篇 · 第 1/1 页
机器之心 (微信公众号)T2·智能体与协同
85 分
清华提出 ParallelWorld 具身智能多步预演提升成功率至 83%

清华大学与新加坡国立大学联合提出 ParallelWorld,将测试时计算引入具身智能体的高层规划。该方法通过模拟多条候选行动路径并比较未来观察结果,使机器人能在执行前预判后果,将任务成功率从 56% 显著提升至 83%,为具身智能的决策优化提供了新范式。

Latent SpaceT1·智能体与协同
68 分
Anthropic 推出动态工作流 优化多智能体编排

Anthropic 在 AI Engineer NYC 大会上正式介绍其 Claude Managed Agents 的新特性“动态工作流”(Flows)。该功能旨在通过更灵活的多智能体编排机制,帮助开发者在复杂任务中更高效地分配测试时计算资源,从而提升模型能力并降低科学发现类任务的门槛。

Latent SpaceT1·智能体与协同
68 分
Anthropic 发布 Claude 动态工作流:多智能体编排新范式与测试时计算优化

Anthropic 在 AI Engineer NYC 大会上正式推出名为“Dynamic Workflows”(简称 Flows)的新型多智能体编排功能,旨在协调 Claude Managed Agents 处理复杂任务。该机制通过优化测试时计算分配,使模型能在难题上投入更多算力以加速能力涌现,并强调将此类科学发现能力向公众开放。

OpenAI 官方博客T1·基座大模型
85 分
OpenAI 发布 GPT-5.5 系统卡:强化安全与自主能力

OpenAI 正式公布 GPT-5.5 系统卡,该模型专为复杂现实任务设计,具备更强的工具调用、自我校验及少引导自主执行能力。文档披露了针对网络安全和生物领域的红队测试结果,并强调其部署采用了迄今最严格的安全防护措施。GPT-5.5 Pro 作为同底层模型的并行计算版本,在特定风险场景下进行了独立评估。