이 연구는 EXAMS-V 벤치마크를 사용하여 테스트 타임 스케일링(TTS)이 소규모 오픈 비전-언어 모델로 전이되는지 여부를 조사하고, Qwen2.5-VL-7B-Instruct와 Qwen3.5-4B 간에 방법을 비교합니다.

  • 구문 분석 가능성이 성공의 주요 요인입니다; 표준 답변 큐와 유도된 수선 단계를 추가하면 답안에 확정하지 않고 추론하는 체인을 방지합니다.
  • 체인당 토큰 제한을 1k에서 2k로 늘리면 3.7 퍼센트 포인트를 회복하지만, 샘플링된 체인 수를 8에서 16으로 늘리는 것은 0.15 pp의 추가에 불과합니다.
  • PRM 유도 빔 서치는plain 자기 일관성보다 비용이 8배 이상 들면서 0.39 pp 뒤처지며, 생성형 비평가나 학습된 멀티모달 PRM도 다수결을 이기지 못합니다.
  • 정책 모델 자체가 가장 큰 이득(+11.4 pp)을 제공하며, 최적 구성은 ImageCLEF 2026 테스트 분할에서 84.1%에 도달합니다.

저자들은 이것이 중요하다고 봅니다. 단순한 디코딩 예산과 프롬프트 형식의 스케일링이 소규모 VLM에게 복잡한 검증 메커니즘보다 더 나은 결과를 가져온다는 것을 보여주기 때문입니다.