结论

南加州大学团队公开预印本《Direct Pass@k Optimization for Thought Pruning: Balancing Quality and Diversity in Test-Time Reasoning》，提出将测试时思维剪枝直接建模为保留集合pass@k最大化问题。作者报告称，在8个开放权重推理模型上，新方法PKTP优于现有基于质量的线性探针与基于多样性的RepExp策略，在保留中等数量候选时增益尤为明显。这是作者在自有剪枝协议上的单次报告结论，尚未经过同行评审，也未经本站独立复现，不应视为普遍、因果或可直接部署的事实。

研究状态与发布时间

该工作以arXiv预印本形式首次公开，版本为v1，学科为cs.AI与cs.CL。arXiv摘要页记录的提交时间为2026年10月22日17时59分48秒UTC，换算为北京时间为2026年10月23日01时59分48秒，因此归入本次上海日历日10月23日窗口。arXiv当日cs.AI新论文列表明确标注为2026年10月23日星期五的新提交，摘要页与HTML全文页均可确认该时间。论文未标注期刊或会议接收信息，仍按预印本处理。主题为推理模型测试时剪枝的方法优化，不涉及商业模型发布、产品功能上线或仓库版本本身，归入研究进展符合收录边界。

研究对象与方法

研究对象是推理模型测试时生成的大量候选推理轨迹。作者设定先抽取N条候选，仅生成前T个词元的前缀并编码为表征，再保留k条续写至完整预算B，其余丢弃，以节省生成与 best-of-N 评估成本。方法命名为PKTP，将保留集目标直接写为pass@k，即至少一条保留轨迹续写后正确的概率。为刻画相似前缀同成功同失败的联合分布，作者以潜在高斯分数经阈值化建模每条轨迹正确性，推导闭式二阶近似并证明其具次模性，再以贪心过程求大小为k的子集。潜模型仅训练一次且不依赖k，单次贪心给出嵌套子集序列，预算k可在推理时在线选择。表征取隐藏状态的指数滑动平均汇聚，作者称该类池化有效，但框架可适配其他嵌入。

评估条件与数据范围

论文将两类基线作为对照。一是纯利用的线性探针，取预测成功概率最高的k条，即学习权重与表征内积最大的子集；二是纯探索的RepExp，从随机起点贪心加入与已选最不可解释的表征，以覆盖不同推理轨迹。正确性由任务相关校验器判定，例如数学题匹配参考答案、编程题通过单元测试。作者称实验覆盖8个开放权重推理模型，摘要未列出具体模型名单与完整基准表，详细划分见全文实验节。以上范围均来自当日论文同一套N-T-k-B剪枝协议，不涉及闭源最强模型或开放长文本生成的一般保证。

作者报告的主要结果

作者称PKTP在8个开放权重推理模型上优于现有基于质量与基于多样性的剪枝策略。作者解释，纯利用保留的高分轨迹彼此相似，可能同时自信犯错；纯探索虽多样但会将预算花在低质量轨迹上。直接优化pass@k同时奖励高质量并惩罚冗余，概念上自然平衡二者。作者称增益在保留中等数量候选继续生成时尤为明显，突出在中等预算下直接平衡的价值。编辑解释是：摘要层面的优于基线不等同于通用最优，效果依赖截断位置、前缀表征与校验器定义，不构成跨任务保证。

局限与不确定性

本工作为预印本，未经同行评审，结论限特定剪枝协议、开放权重模型与二值正确性判定，不推广到其他架构、连续奖励、其他表征或生产负载。联合分布建模与二阶近似、贪心求解均为近似，最优性与跨分布泛化仍待检验。论文摘要未给出可独立核对的绝对数值、置信区间与完整模型基准名单，正文截断提取有限，不应据此作选型或上线依据。论文未报告延迟、吞吐、显存峰值与端到端成本，节省生成量不等于实际加速。引用前需等待独立复现，不应将受控相关性写成因果或已获认可的事实。

潜在意义

若后续复现成立，该路线为测试时扩展提供除分别调质量分与多样性启发式之外的统一目标，并提示中等保留预算可能是质量多样性权衡的关键区间。对关注推理成本的中国读者，可将其视为待验证的候选剪枝方向，在复现与评审完成前，重点核对自身任务校验器、截断词元数与保留预算是否匹配，而非直接作为部署结论。