用于评估器引导测试时推理的置信度校准推理扩展

研究人员提出一种计算感知的置信度校准三动作控制器，将评估器引导的推理建模为不确定性下的资源分配问题。在保留的宽度扩展与修订任务中，该控制器比校准选择的固定策略分别减少约 30% 和 16% 的归一化在线计算量，同时提升了效用。在基于 Qwen3-8B 的四个随机种子的实验中，其计算量均低于拟合 Q 方法，效用表现接近。