feat: achieve 600 files milestone in AI knowledge base

10_Wiki/Topics/AI/Test-Time Compute Scaling (추론 시간 계산 스케일링).md

@@ -1,25 +1,28 @@
 ---
-id: P-REINFORCE-AUTO-E16EB6
+id: P-REINFORCE-AI-TEST-TIME-COMPUTE
 category: "[[10_Wiki/💡 Topics/AI]]"
-confidence_score: 0.90
-tags: [auto-reinforced]
+confidence_score: 0.97
+tags: [LLM, Inference, Scale, OpenAI-o1]
 last_reinforced: 2026-04-20
-github_commit: "[P-Reinforce] Continuous Worker - Test-Time Compute Scaling (추론 시간 계산 스케일링)"
 ---
 
 # [[Test-Time Compute Scaling (추론 시간 계산 스케일링)]]
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
-> 지식 요약 정보 추출 중...
+> "모델이 크지 않아도, 더 오래 생각하게 하면 더 똑똑해진다." 훈련 단계의 스케일링을 넘어, 추론(Inference) 시에 더 많은 연산 자원(사고 단계)을 투입하여 정답률을 높이는 새로운 패러다임이다.
 
 ## 📖 구조화된 지식 (Synthesized Content)
-본문 구조화 작업 중...
+- **The Concept**:
+    - 기존에는 모델의 크기(파라미터 수)가 지능을 결정한다고 믿었으나, OpenAI o1 등 최신 모델은 답변 전 'Self-Correction'과 추론 과정을 늘리는 것만으로도 거대 모델을 압도할 수 있음을 증명함.
+- **Methods**:
+    - **Chain-of-Thought (CoT)**: 중간 과정을 길게 생성.
+    - **Search (MCTS)**: 여러 대안 답변을 탐색하고 평가하여 최적의 경로 선택.
+    - **Verification**: 생성된 결과를 스스로 검증하고 틀렸으면 다시 시도.
+- **Inference Law**: 훈련 시 자원이 부족해도 추론 시 계산량을 늘림으로써 성능 한계를 돌파할 수 있다.
 
-## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
-- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
-- **정책 변화:** AI 분야의 자동 자산화 수행.
+## ⚠️ 모순 및 업데이트 (RL Update)
+- 추론 시간 계산량이 늘어나면 비용(Latency)이 기하급수적으로 증가한다. 실시간 채팅에는 부적합할 수 있으므로, '빠른 직관(System 1)'과 '신중한 사고(System 2)'를 구분하여 과제 난이도에 따라 자원을 배분하는 효율화가 핵심 과제다.
 
 ## 🔗 지식 연결 (Graph)
-
-- Raw Source: [[00_Raw/2026-04-20/Test-Time Compute Scaling (추론 시간 계산 스케일링).md]]
----
+- Related: [[Chain-of-Thought (CoT 사고 사슬)]] , [[Monte Carlo Tree Search (MCTS)]]
+- Origin: [[OpenAI-o1]]