Awesome-Inference-Time-Scaling

推理时算力怎么花,一页清单看全论文

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 评测安全 🍴 复刻 34 👀 关注 6
GitHub ↗
GitHub 星标 ★ 406
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费

项目预览

Awesome-Inference-Time-Scaling 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类评测安全
开发团队ThreeSR
定价模式🏷️完全免费
价格说明开源免费
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
主要语言Python
GitHub 星标★ 406
上线时间2025-01-29 00:00:00
代码更新2026-11-19
仓库体积2.9 MB
本站数据更新2026-11-22
维护状态活跃
收录时间2026-11-22
浏览次数0

项目介绍

Awesome-Inference-Time-Scaling 是一个聚焦推理阶段扩展(Inference/Test-Time Scaling)与推理算力分配的研究论文清单型开源项目。它要解决的问题是:大模型推理阶段的算力如何分配、何时增加采样或搜索步数、如何用额外计算换取更高质量输出,这些方向论文分散、术语不统一,研究者难以系统追踪。项目以 Python 仓库形式维护,核心能力是把推理时扩展、测试时计算、搜索与采样策略、验证器与奖励模型、长思维链等相关工作按主题归类成可检索的清单,并持续收录新论文。它本身不提供可运行框架,价值在于为算法研究者、评测人员和工程团队提供选题地图与对比基线,帮助快速定位某类方法(如多数投票、过程奖励、树搜索、自适应计算)的代表工作,降低文献调研成本。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-11-22 · 当前星标 ★ 406

核心亮点

  • 按推理时扩展、测试时计算等主题分类整理论文,检索路径清晰
  • 覆盖采样投票、搜索、验证器、自适应计算等主流技术路线,便于横向对比
  • 持续收录新工作,适合作为选题与综述写作的起点

不足之处

  • 仅为论文清单,无可运行代码或基准实现,无法直接复现实验
  • 分类粒度与更新频率依赖维护者,部分条目缺少方法要点摘要

适用场景

  • 研究生调研推理时扩展方向,快速建立文献地图
  • 算法团队选型测试时计算策略时对比代表方法
  • 撰写综述或技术报告时收集引用与分类框架

替代项目

Awesome-LLM-Reasoning、Awesome-LLM、Papers-with-Code

上一篇:inference

下一篇:没有了!

同类项目推荐

torch-fidelity 开源

PyTorch 生成模型指标,数值对齐可复现

High-fidelity performance metrics for generative models in PyTorch

★ 1205 2026-11-03
tool-retrieval-benchmark 开源

测测你的检索模型会不会挑工具,让LLM用对工具

Official code for ACL2025 " Retrieval Models Aren’t Tool-Savvy: Benchmarking Tool R···

★ 227 2026-08-09
trulens 开源

给LLM应用装上仪表盘,量化评估效果,快速定位问题。

Evaluation and Tracking for LLM Experiments and AI Agents

★ 3664 2026-08-09
matharena 开源

用最新数学竞赛题测大模型真实推理水平

Evaluation of LLMs on latest math competitions

★ 299 2026-10-23
skillsbench 开源

给 AI 技能和 agent 打分,看谁真会用工具

SkillsBench evaluates how well skills work and how effective agents are at using the···

★ 1931 2026-10-18
LLMRouterBench 开源

把各家大模型路由方法拉到同一张考卷上比高低

[Findings@ACL'26] LLMRouterBench: A Massive Benchmark and Unified Framework for LLM ···

★ 134 2026-10-26