LLM 推理中 Beam Search 的可证明测试时扩展性

研究针对大语言模型（LLM）长程推理提出改进的置信度过滤束搜索（CF-Beam），为 Beam Search 的测试时扩展性提供理论保证。该算法将传统 Beam Search 的样本覆盖依赖从二次降至近线性，其主导搜索项仅随推理长度 $L$ 呈多项式级扩展，显著优于 Best-of-N 等指数级劣化的序列级推断方法。