적응형 테스트 시점 추론을 위한 불확실성 인지 예산 배분

연구진은 언어 모델의 테스트 시점 추론을 위한 Uncertainty-Aware Budget Allocation을 제안했다.

각 질문에 우선 1회 샘플을 생성한 뒤, 출력 불확실성을 난이도 신호로 삼아 필요한 질문에 추가 샘플을 우선 배분한다.

이 방법은 6개 모델과 5개 벤치마크의 수학·논리·선호도 과제에서 균등 샘플링 기준선보다 더 높은 정확도를 보였다.

한정된 연산 자원을 불확실한 질문에 집중하면, 추가 시스템이나 모델 호출 없이도 추론 성능을 높일 수 있음을 보여준다.