When More Sampling Hurts: The Modal Ceiling and Correlation Ceiling of Test-Time Scaling
更多采样为何有害：测试时缩放的模态上限与相关性上限
🧭 推理时采样效率上限与停止策略
University of Illinois at Urbana-Champaign
揭示测试时缩放中盲目增加采样次数无法持续提升答案选择准确率，提出模态上限与相关性上限，并给出有效样本数作为停止信号。
📌 工作参考价值（4 点）
- 在基于 LLM 的推荐生成（如推荐理由、Query 改写）中采用多数投票时，利用模态上限确定最优采样规模，避免冗余推理成本。
- 评估生成式推荐模型时，将 pass@k（覆盖率）与业务指标（选择准确率）解耦，监控 identifiability gap，指引优化重点从生成转向答案识别。
- 在在线推理中计算有效样本数，作为动态停止采样的信号，实现自适应计算预算控制。
- 为提升 Agent 决策或链式推理的可靠性，应优先投资于验证器或置信度估计器，弥补识别瓶颈，而非单纯扩大采样次数。