该研究考察了测试时扩展（TTS）是否适用于小型开源视觉-语言模型，使用EXAMS-V基准在Qwen2.5-VL-7B-Instruct和Qwen3.5-4B上比较了各种方法。

  • 可解析性是成功的主要因素；添加标准答案提示和引导修复步骤可防止链式推理在不承诺答案的情况下进行。
  • 将每条链的令牌限制从1k增加到2k可恢复3.7个百分点，而将采样链数从8增加到16仅增加0.15个百分点。
  • PRM引导的束搜索在成本超过八倍的情况下落后于普通自洽性0.39个百分点，生成式批评者和训练过的多模态PRM均未胜过多数投票。
  • 策略模型本身提供了最大的增益（+11.4个百分点），最佳配置在ImageCLEF 2026测试集上达到84.1%。

作者认为这很重要，因为它表明对于小型VLM而言，简单扩展解码预算和提示格式比复杂的验证机制能产生更好的结果。