Scorpio：提升大语言模型测试时计算自评估效率的方法

Scorpio 通过联合评分随机分组候选项，显著提升了自验证与聚合效果，推理成本降低 17-42% 且验证准确率最高提升 7 个百分点。 该分析基于排名误差的偏差-方差分解，指出额外计算降低方差但偏差存在平台期，Scorpio 在数学、代码等基准测试中均优于基线。 Scorpio 还改善了树搜索准确率（最高提升 10 个百分点）及聚合方法在代码任务中的扩展性（提升 11 个百分点）。