1. Test-Time Scaling（测试时扩展）有哪些主流技术？它们各自的成本收益如何？Test-Time Scaling 是指在推理阶段通过增加计算量来提升模型输出质量的技术，是 OpenAI o1/o3、DeepSeek-R1 等 Reasoning 模型的核心思想之一。主流技术包括 Best-of-N、Step-wise Verification 和 Monte Carlo Tree Search（MCTS）。技术核心思路成本收益适用场景Best-of-N（BoN）采样 N 条完整回答，用奖励模型或规则选出最优低，仅需 N 倍采样成本 + 一次排序实现简单，可并行，收益随 N 增大而提升但边际递减代码生成、数学题、有明确答案的任务Step-wise Verification（逐步验证）对每一步推理进行验证，及时纠正错误分支中，需要训练 Process Reward Model 或调用验证器能定位错误步骤，显著提升长链条推理准确率数学证明、多步逻辑推理、复杂规划Monte Carlo Tree Search（MCTS）在推理树上做