规划式测试时扩展：协调推理路径

该论文提出 Planned Test-Time Scaling（PTTS），用协调式联合策略替代独立重复采样：planner 为每个分支生成解题大纲以引导不同推理路径，executor 依据大纲产出完整解答。作者证明 PTTS 严格泛化重复采样，并在 Qwen3-1.7B 与 4B 的五个数学推理基准上验证：PTTS-ZS 使 pass@64 较重复采样最多提升 6.7 分，PTTS-RL 最多提升 13.4 分。

此前测试时扩展主要依赖从单一策略独立重复采样，容易产生冗余尝试，增加算力却收益递减。PTTS 把采样从独立改为协调，使额外推理算力更可能覆盖互补推理模式，在相同模型不变的前提下提升 pass@k 扩展效率。

独立采样下各分支共享同一策略，容易收敛到相似解法，边际收益低。PTTS 引入 planner 生成多样大纲，把分支导向不同推理模式，再由固定 executor 分别求解，从结构上扩大解空间覆盖。PTTS-ZS 在一次自回归中联合生成所有大纲；PTTS-RL 用截断执行轨迹按 pass@k 奖励直接优化 planner，以获得更锐利的奖励信号。

对推理类产品意味着可在不重新训练主模型的情况下，通过替换推理编排层提升数学等复杂任务的准确率，但需要额外算力与规划调用。研发上可把 planner、executor 拆成可独立优化的模块，并围绕 pass@k 而非单次准确率设计评测与训练目标。

• 在现有推理服务中把独立多次采样替换为 planner 加 executor 的两段式编排，评估 pass@k 与单位算力收益。
• 为高难度数学、代码等任务提供按分支大纲区分的并行推理接口，按调用量或分支数计费。
• 用截断执行轨迹加 pass@k 奖励对 planner 做轻量微调，作为独立于主模型的优化环节。
• 在评测体系中引入推理路径覆盖度指标，用于判断额外测试时算力是否产生互补解法。

• PTTS 在数学推理以外的任务类型上是否同样有效，证据未覆盖。
• planner 与 executor 拆分带来的额外推理开销和端到端延迟尚未在证据中量化。
• PTTS-RL 训练所需的截断执行轨迹与奖励设计的具体成本未说明。
• 重复采样基线之外的对比方法与实现细节未在证据中完整披露。