提出OpenDeepThink框架,通过群体并行采样、Bradley-Terry成对比较排序与反馈驱动突变进行测试时计算扩展,在无需外部验证器的情况下显著提升大模型的推理性能(使模型在Codeforces上Elo提升405分)。
机构:UCSD
来源:arXiv 2605.15177 | AI4Papers 论文推荐平台