PETS：一种面向高效测试时自一致性的最优轨迹分配原则框架

测试时扩展可以通过聚合随机推理轨迹来提升模型性能。然而，在有限预算下实现样本高效的测试时自一致性仍是一个开放性挑战。本文提出PETS（Principled and Efficient Test-Time Self-Consistency），通过优化框架对轨迹分配进行系统研究。核心是自一致性率，定义为与无限预算多数投票的一致性。该方法在离线和在线场景中均表现出色，实验表明PETS在GPQA数据集上实现了完美的自一致性，并显著减少了采样预算。