본 연구는 EXAMS-V 다국어 시각적 객관식 벤치마크를 사용하여 테스트 타임 스케일링(TTS)이 소형 오픈 비전-언어 모델로 전이될 수 있는지 조사합니다. Qwen2.5-VL-7B-Instruct와 Qwen3.5-4B에서 자기 일관성, PRM 유도 빔 서치를 통한 서술 후 추론, 그리고 사후 선택자를 비교합니다.

  • 구문 분석 가능성이 가장 큰 요인입니다; 초기 프롬프트 형식은 답변 고정을 방지했으며, 이는 표준 답변 신호와 유도된 수선 단계를 통해 수정되었습니다.
  • 체인당 토큰 제한을 1k에서 2k로 늘리면 3.7 pp가 회복되는 반면, 더 많은 체인(8개에서 16개)을 샘플링하면 0.15 pp만 추가됩니다.
  • 체인이 완료될 수 있으면 정교한 방법은 거의 기여하지 않습니다; PRM 유도 빔 서치는plain 자기 일관성보다 비용이 8배 이상 들면서 0.39 pp 뒤처집니다.
  • 훈련 없는 생성 비평가도 훈련된 멀티모달 PRM도 두 정책 모두에서 다수결을 능가하지 못합니다.
  • 가장 큰 이득은 정책 모델 자체에서 비롯되며(+11.4 pp), 최적 구성은 ImageCLEF 2026에서 84.1%에 도달했습니다.

저자들은 프롬프트 형식과 디코딩 예산에 대한 단순한 조정이 복잡한 검증 기계의 높은 비용 없이 상당한 이득을 가져오기 때문에 중요하다고 생각합니다.