testtimescaling.github.io

一张图看懂大模型推理时如何‘多思考’更聪明

这是一个关于大语言模型测试时扩展（Test-Time Scaling）的综述性开源项目，以网页形式呈现。它系统梳理了该领域的关键问题：是什么（what）、如何实现（how）、在何处应用（where）以及效果如何（how well）。项目旨在为研究者和工程师提供一份结构化的知识地图，涵盖测试时计算资源的分配策略、推理时优化技术、适用场景及性能评估。核心能力包括对相关论文、方法和资源的分类整理，便于快速检索与对比。目前处于早期阶段，内容仍在持续完善中。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 111

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队testtimescaling

所属国家

官网地址

GitHubhttps://github.com/testtimescaling/testtimescaling.github.io

定价模式free

价格说明开源调查论文仓库，内容免费，无收费项目。

访问状态

是否开源是

开源协议MIT

主要语言HTML

技术栈/模型awesome-lists,large-language-model,survey,test-time-scaling

GitHub 星标★ 111

30天Star增速

HF 下载量

上线时间2025-04-08 00:00:00

最近更新2026-08-07 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数0

核心亮点

聚焦测试时扩展这一热门方向，主题前沿且实用
以问答形式组织内容，降低理解门槛
作为综述，能快速提供领域概览和资源索引

不足之处

项目处于早期，内容覆盖可能不全
文档/社区待观察

适用场景

研究者快速了解测试时扩展的研究脉络
工程师选择推理时优化策略的参考
教学或技术分享的入门材料

替代项目

awesome-llm-reasoning、awesome-test-time-computing、LLM-Survey

项目介绍

testtimescaling.github.io 是一个开源模型领域的开源项目，官方简介："what, how, where, and how well? a survey on test-time scaling in large language models" repository。项目使用 HTML 开发，在 GitHub 上获得 111 星标。

上一篇：awesome-japanese-llm

下一篇：MakeMoneyWithAI