Scaling with Confidence: Calibrating Confidence of LLMs for Adaptive Test Time Scaling

论文研究 LLM 置信度校准，并把置信信号用于决定测试时是否增加采样、验证或推理计算。关键设定是 adaptive test-time scaling：预算不是固定平均分配，而是向低置信问题倾斜。它值得跟进，因为测试时扩展如果没有可靠置信度，很容易把计算浪费在模型本来已经能解的问题上。