Latency-Aware Adaptive Best-of-$N$

提出一种两阶段自适应算法，将 Best-of-$N$ 采样中的延迟视为成本，通过首批次延迟动态决定第二批次规模。 算法将奖励映射至累积分布函数值，利用离线拟合的回归模型计算预期改进，在偏好对齐基准仿真中实现了更低的生成等效成本。