ATEST：面向LLM推理的自适应资源感知测试时扩展

2026年10月20日，arXiv Artificial Intelligence 刊出 Mobina Kashaniyan 与 Ali Jannesari 的报道，提出 ATEST——一个资源感知的测试时扩展（TTS）框架。该框架同时考虑额外采样的期望值与当前 GPU 成本，据此决定测试时扩展的取舍。报道称，ATEST 的默认模式 ATEST-Online 无需离线校准，可在在线学习单步能耗的基础上决定何时停止采样。目前该工作处于论文发布阶段，报道未提及代码、数据集或第三方复现情况，也未给出与其他 TTS 方法的对比结果。事件进展以这一篇主报道为准，尚无后续跟进报道。

AI 根据报道生成 · 34 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。