---
id: wiki-2026-0508-test-time-compute-scaling-추론-시간-
title: Test Time Compute Scaling (추론 시간 계산 스케일링)
category: 10_Wiki/Topics
status: needs_review
canonical_id: self
aliases: [P-Reinforce-AI-TEST-TIME-COMPUTE]
duplicate_of: none
source_trust_level: A
confidence_score: 0.97
tags: [LLM, Inference, Scale, OpenAI-o1]
raw_sources: []
last_reinforced: 2026-04-20
github_commit: pending
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
---

# [[Test-Time Compute Scaling (추론 시간 계산 스케일링)|Test-Time Compute Scaling (추론 시간 계산 스케일링)]]

## 📌 한 줄 통찰 (The Karpathy Summary)
> "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)
- **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|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 & Updates)
- 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)
- Related: [[Chain-of-Thought (CoT 사고 사슬)|Chain-of-Thought (CoT 사고 사슬)]] , Monte Carlo Tree Search (MCTS)
- Origin: OpenAI-o1

## 🤖 LLM 활용 힌트 (How to Use This Knowledge)

**언제 이 지식을 쓰는가:**
- *(TODO)*

**언제 쓰면 안 되는가:**
- *(TODO)*

## 🧪 검증 상태 (Validation)

- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*

## 🧬 중복 검사 (Duplicate Check)

- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

## 🕓 변경 이력 (Changelog)

| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|------|-----------|-----------|--------|
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |