绘制容易信任难：测试时扩展曲线的统计认证

研究推导了大语言模型测试时扩展曲线（Test-Time Scaling Curves）的统计认证极小化极大成本，并提出一种无需试点的配对审计方法。在 185 个评分池中，该方法认证 64 和 1,024 个预算所需的答案数仅为竞品的 0.74 倍与 0.53 倍。实验在 MMLU-Pro 上仅用 79,133 个生成答案完成整条曲线认证，并同时支持 pass@k 与多数投票。