推論時搜尋（inference-time search）

推論時搜尋的意思是：生成多個候選答案再從中挑選，而不是信任第一次嘗試。因為取樣帶有隨機性，同一題問上幾次會得到不同的推理思路；即使多數錯了，仍有些會落在正確答案上。最簡單的形式是「N選優」（best-of-N）：產出 N 個解答，再保留最好的一個，靠多數表決、靠一個評分模型，或在任務允許時靠精確核對（例如執行生成的程式碼）來判定。

更精細的形式會像西洋棋引擎搜尋棋步那樣，搜尋推理路徑的空間：在有希望的步驟分岔，剪掉走死的枝，只培養看起來強的線路，有時還由一個為部分進度評分的價值模型引導。好處是許多淺嘗的嘗試能合力攻破單次嘗試無法解開的問題。代價是運算倍增，還有一個微妙的陷阱：若你挑選贏家的方式不可靠，搜尋可能自信地把一個碰巧很熱門的錯誤答案推到檯面上。