François Chollet 谈测试时计算：梯度是宝贵信号

François Chollet（Keras 作者、ARC-AGI 基准提出者）近日在 X 平台发文，阐述了他对测试时计算（test-time compute）两种主要利用方式的看法，呼吁社区关注测试时训练这一尚未被充分探索的方向。

当前主流：测试时自然语言推理

Chollet 认为，目前大多数人所利用的测试时计算，本质上是一种测试时自然语言推理（NL reasoning），其计算量等价于测试时搜索（test-time search），有时还会在循环中引入验证器或评分器（verifier / grader）。这一描述与当下 Chain-of-Thought、Tree-of-Thoughts 等主流推理增强方法的实践相吻合。

另一条路径：测试时训练

他指出，测试时计算的另一条主要路径是测试时训练（test-time training）。Chollet 强调，梯度（gradients）是一个「宝贵的信号」，没有理由不在测试时使用——唯一制约因素是工程实现上的难度和成本。他附带的链接指向更完整的论述，但具体技术细节与实验数据尚需进一步验证。

对行业的启示

Chollet 的观点将测试时计算的话题从「让模型多思考」扩展到「让模型在推理阶段持续学习」。这一方向如果工程上可行，将为大模型推理能力提升提供新的思路；但目前该推文本身较为简略，缺少具体 benchmark 与实现路径，读者可将其视为方向性思考而非成熟方案。